实时语义分割：遥感中的简要综述与比较研究
计算机视觉与模式识别
2023-09-13 v1
摘要
遥感影像的实时语义分割是一项具有挑战性的任务，需要在有效性与效率之间权衡。它有许多应用，包括追踪森林火灾、检测土地利用与土地覆盖变化、作物健康监测等。随着高效深度学习方法（即高效深度神经网络）在计算机视觉实时语义分割中的成功，研究者已将这些高效深度神经网络应用于遥感图像分析。本文首先总结设计高效深度神经网络的基础压缩方法，并提供简要而全面的综述，概述遥感影像实时语义分割的近期进展。我们考察若干开创性高效深度学习方法，依据网络架构设计方法将其归入一种分类体系。此外，我们在一个公开可用的遥感语义分割基准数据集 OpenEarthMap 上评估若干现有高效深度神经网络的质量与效率。一项广泛比较研究的实验结果表明，大多数现有高效深度神经网络具有良好分割质量，但推理速度低（即高延迟率），这可能限制其在遥感图像分割实时应用中的部署能力。我们对遥感影像实时语义分割的当前趋势与未来研究方向提供一些见解。
引用
@article{arxiv.2309.06047,
title = {Real-Time Semantic Segmentation: A Brief Survey & Comparative Study in Remote Sensing},
author = {Clifford Broni-Bediako and Junshi Xia and Naoto Yokoya},
journal= {arXiv preprint arXiv:2309.06047},
year = {2023}
}
备注
Submitted to IEEE GRSM