利用可切换归一化减少RGB与近红外图像的特征散度
计算机视觉与模式识别
2021-06-08 v1
摘要
农业区域的视觉模式识别是航拍图像处理的一项重要应用。本文考虑了农业航拍图像的多模态特性，并指出若不考虑特征散度而朴素地将不同模态直接融合，会导致次优结果。为此，我们在DeepLabV3分割模型中引入可切换归一化（Switchable Normalization）模块以缓解特征散度。利用常用的对称Kullback-Leibler散度度量，我们表明该模型能大幅降低RGB与近红外通道间的散度。结合混合损失函数，我们的模型在平均IoU上相比已发表的基线取得了近10%的提升。
引用
@article{arxiv.2106.03088,
title = {Reducing the feature divergence of RGB and near-infrared images using Switchable Normalization},
author = {Siwei Yang and Shaozuo Yu and Bingchen Zhao and Yin Wang},
journal= {arXiv preprint arXiv:2106.03088},
year = {2021}
}
备注
CVPR2020 AgriVision workshop