用于高分辨率卫星图像语义分割的生成对抗网络渐进式生长方法
计算机视觉与模式识别
2019-02-14 v1
摘要
机器学习已被证明在图像分类与分割中十分有用。本文中，我们评估了一种利用生成对抗网络的渐进式生长对高分辨率卫星图像进行逐像素分割的训练方法。我们将模型应用于建筑屋顶的分割，并将结果与传统的屋顶分割方法进行比较。我们使用 SpaceNet version 2 数据集展示了我们的发现。渐进式 GAN 训练达到了 93% 的测试准确率，而传统 GAN 训练为 89%。
引用
@article{arxiv.1902.04604,
title = {Progressively Growing Generative Adversarial Networks for High Resolution Semantic Segmentation of Satellite Images},
author = {Edward Collier and Kate Duffy and Sangram Ganguly and Geri Madanguit and Subodh Kalia and Gayaka Shreekant and Ramakrishna Nemani and Andrew Michaelis and Shuang Li and Auroop Ganguly and Supratik Mukhopadhyay},
journal= {arXiv preprint arXiv:1902.04604},
year = {2019}
}
备注
Accepted too and presented at DMESS 2018 as part of IEEE ICDM 2018