基于超高分辨率遥感影像的植物检测：一种基于模糊损失的语义分割方法

在本研究中，我们致力于解决从超高分辨率（UHR）遥感影像中识别植物物种的挑战。我们的方法涉及引入一个RGB遥感数据集，该数据集具有毫米级空间分辨率，是通过在法国一个覆盖多种景观的山区进行的多次野外考察精心构建的。植物物种识别任务被构建为一个语义分割问题，以便在广阔的地理区域内实现实用且高效的部署。然而，在处理分割掩码时，我们遇到了难以区分植物物种与其背景之间边界的情况。我们通过在分割模型中引入模糊损失来解决这个问题。我们的模型没有使用独热编码的真实标签（GT），而是结合了经过高斯滤波优化的GT，在训练过程中引入了随机性。我们在自建的UHR数据集和一个公开数据集上展示了初步实验结果，证明了所提出方法的相关性以及未来改进的必要性。