MP-ResNet：用于高分辨率 PolSAR 图像语义分割的多路径残差网络
计算机视觉与模式识别
2021-06-30 v2
摘要
由于训练数据稀缺和散斑噪声的干扰，关于高分辨率极化合成孔径雷达（PolSAR）图像语义分割的研究有限。高分竞赛提供了高质量 PolSAR 语义分割数据集的开放获取。借此机会，我们提出一种多路径残差网络（MP-ResNet）架构用于高分辨率 PolSAR 图像的语义分割。与传统的 U 形编码器-解码器卷积神经网络（CNN）架构相比，MP-ResNet 通过其并行多尺度分支学习语义上下文，这大大扩大了其有效感受野并改善了局部判别特征的嵌入。此外，MP-ResNet 在其解码器中采用多级特征融合设计，以充分利用从其不同分支学到的特征。消融研究表明 MP-ResNet 相较其基线方法（采用 ResNet34 的 FCN）具有显著优势。它在总体精度（OA）、平均 F1 和 fwIoU 方面也超越若干经典最先进（state-of-the-art）方法，而计算成本并未大幅增加。该 CNN 架构可用作未来 PolSAR 图像语义分割研究的基线方法。代码见：https://github.com/ggsDing/SARSeg。
引用
@article{arxiv.2011.05088,
title = {MP-ResNet: Multi-path Residual Network for the Semantic segmentation of High-Resolution PolSAR Images},
author = {Lei Ding and Kai Zheng and Dong Lin and Yuxing Chen and Bing Liu and Jiansheng Li and Lorenzo Bruzzone},
journal= {arXiv preprint arXiv:2011.05088},
year = {2021}
}