面向遗迹滑坡检测的 MRIFE：一种掩码恢复与交互式特征增强语义分割网络
计算机视觉与模式识别
2024-11-27 v1
摘要
遗迹滑坡形成于长期积累，具有再激活的潜在风险，因而成为一种危险的地质现象。可靠的遗迹滑坡检测有助于有效监测和预防滑坡灾害，但使用高分辨率遥感图像进行语义分割面临诸多挑战，包括由于长期自然演化和人类活动导致的目标视觉模糊问题，以及难以识别和标注样本导致的小型数据集问题。为此，提出一种称为掩码恢复与交互式特征增强（MRIFE）的语义分割模型，以实现更高效的特征提取和分离。具体而言，提出一种对比学习和掩码重建方法，伴随局部显著特征增强，以提高区分目标与背景的能力并代表滑坡语义特征。同时，采用双分支交互式特征增强架构以丰富提取的特征，解决视觉模糊问题。引入自蒸馏学习以利用样本内部和跨样本之间的特征多样性进行对比学习，提高样本利用率，加快模型收敛，并有效解决小型数据集问题。对所提出的 MRIFE 在真实遗迹滑坡数据集上进行评估，实验结果表明，它显著提高了遗迹滑坡检测性能。对于语义分割任务，与基线相比，精确度从 0.4226 提升至 0.5347，平均交并比（IoU）从 0.6405 提升至 0.6680，滑坡 IoU 从 0.3381 提升至 0.3934，F1 分数从 0.5054 提升至 0.5646。
引用
@article{arxiv.2411.17167,
title = {MRIFE: A Mask-Recovering and Interactive-Feature-Enhancing Semantic Segmentation Network For Relic Landslide Detection},
author = {Juefei He and Yuexing Peng and Wei Li and Junchuan Yu and Daqing Ge and Wei Xiang},
journal= {arXiv preprint arXiv:2411.17167},
year = {2024}
}