NFANet：一种从高分辨率遥感影像中弱监督提取水体的新方法
计算机视觉与模式识别
2022-01-12 v1 机器学习
摘要
利用深度学习进行水体提取需要精确的像素级标注。然而，对高分辨率遥感影像进行像素级标注非常困难。因此，我们研究如何利用点标注提取水体，并提出一种称为邻域特征聚合网络（NFANet）的新方法。与像素级标注相比，点标注更易获取，但会丢失大量信息。本文利用局部水体内相邻像素之间的相似性，提出一种邻域采样器对遥感影像进行重采样。随后，将采样后的影像送入网络进行特征聚合。此外，我们采用一种改进的递归训练算法进一步提升提取精度，使水体边界更自然。进而，我们的方法利用邻域特征而非全局或局部特征来学习更具代表性的特征。实验结果表明，所提出的 NFANet 方法不仅优于其他研究的弱监督方法，还取得了与当前最优方法相近的结果。
引用
@article{arxiv.2201.03686,
title = {NFANet: A Novel Method for Weakly Supervised Water Extraction from High-Resolution Remote Sensing Imagery},
author = {Ming Lu and Leyuan Fang and Muxing Li and Bob Zhang and Yi Zhang and Pedram Ghamisi},
journal= {arXiv preprint arXiv:2201.03686},
year = {2022}
}