基于掩码聚类的大规模亚米分辨率土地覆盖地图标注引擎
计算机视觉与模式识别
2025-09-30 v1
摘要
远程感知技术的最新进步使亚米分辨率图像日益可获取，为细粒度土地覆盖分析提供了显著的细节。然而，其潜力仍未得到充分发挥——尤其是对于大规模土地覆盖映射，由于缺乏充足且高质量的标注数据集。现有的标签通常来源于已有的产品或人工标注，往往不可靠或代价昂贵，尤其是考虑到亚米分辨率图像的丰富视觉细节和巨大数据卷。我们受空间自相关原理启发——该原理表明，属于同一类别的物体倾向于在局部邻域内与相似的视觉特征共现——提出了基于掩码聚类的标注引擎 (MCAE)，该引擎将语义一致的掩码组作为最小的标注单元，以实现对多个实例的高效同步标注。它在保持标签质量、语义多样性和空间代表性的前提下，显著提高了标注效率，提升了一个数量级。通过 MCAE，我们构建了一个约 140 亿像素的高质量标注数据集，称为 HiCity-LC，支持在五个主要中国城市范围内生成城域土地覆盖图，分类准确率可达 85% 以上。这也是第一个公开可用的亚米分辨率城域土地覆盖基准数据集，凸显了 MCAE 在大规模亚米分辨率映射中的可扩展性和实际用途。数据集可在 https://github.com/chenhaocs/MCAE 访问。
引用
@article{arxiv.2509.24374,
title = {Mask Clustering-based Annotation Engine for Large-Scale Submeter Land Cover Mapping},
author = {Hao Chen and Fang Xu and Tamer Saleh and Weifeng Hao and Gui-Song Xia},
journal= {arXiv preprint arXiv:2509.24374},
year = {2025}
}
备注
Accepted in IEEE TGRS 2025; Project page: https://pubrs.com