关于 Mathews 相关系数与改进的距离图损失在 SAR 影像冰川崩解前缘自动分割中的应用
图像与视频处理
2021-10-26 v2 计算机视觉与模式识别
摘要
极地冰盖的绝大多数出口冰川和冰流末端位于海洋中。近几十年来，冰川崩解入海导致的冰体质量损失有所增加。崩解前缘位置的时序变化信息提供了关于冰川和冰流状态的基础信息，可用作校准和验证数据以改进冰动力学建模。为自动识别崩解前缘位置，可使用基于深度神经网络的语义分割流程来勾绘所获取的 SAR 影像。然而，极端的类别不平衡对这些图像中准确的崩解前缘分割极具挑战性。因此，我们提出使用 Mathews 相关系数（MCC）作为早停准则，因其对称特性及对类别不平衡的不变性。此外，我们提出了对基于距离图的二值交叉熵（BCE）损失函数的改进。距离图为损失函数添加了关于分割重要区域的上下文，并有助于处理不平衡数据。使用 Mathews 相关系数作为早停相较于常用的 BCE 平均提升了 15% 的 dice 系数。改进的距离图损失进一步将分割性能提升了 2%。这些结果令人鼓舞，因为它们支持了所提方法对遭受极端类别不平衡的分割问题的有效性。
引用
@article{arxiv.2102.08312,
title = {On Mathews Correlation Coefficient and Improved Distance Map Loss for Automatic Glacier Calving Front Segmentation in SAR Imagery},
author = {Amirabbas Davari and Saahil Islam and Thorsten Seehaus and Matthias Braun and Andreas Maier and Vincent Christlein},
journal= {arXiv preprint arXiv:2102.08312},
year = {2021}
}