冰图中的区域级标签可产生海冰类型的像素级分割

全监督深度学习方法在海冰分类中表现出令人印象深刻的准确性，但它们对高分辨率标签的依赖由于获取此类数据的困难而带来了重大挑战。作为回应，我们的弱监督学习方法通过利用来自专家标注冰图的较低分辨率区域标签，提供了一种引人注目的替代方案。该方法通过在训练过程中引入区域损失表示来度量预测与冰图导出的海冰类型分布之间的差异，从而实现了卓越的像素级分类性能。利用AI4Arctic海冰挑战数据集，我们的方法在全监督U-Net基准（AutoIce挑战的最佳解决方案）上，在映射分辨率和类别准确率方面均表现更优，标志着自动化业务化海冰制图的重要进展。