基于密集融合网络的模糊 VHR 遥感图像鲁棒语义分割
计算机视觉与模式识别
2020-12-02 v2
摘要
来自无人机传感器的 VHR 遥感图像的鲁棒语义分割对地球观测、土地利用、土地覆盖或制图应用至关重要。阴影、天气干扰和相机抖动等若干因素使该问题极具挑战性，尤其仅使用 RGB 图像时。本文提出使用包括 NIR、RGB 和 DSM 在内的多模态数据，以提升模糊或部分受损 VHR 遥感图像分割的鲁棒性。通过提出级联密集编码器-解码器网络以及基于 SELayer 的融合与组装技术，所提出的 RobustDenseNet 在图像质量下降时相比最先进的语义分割模型取得了稳定的性能。
引用
@article{arxiv.1903.02702,
title = {Robust Semantic Segmentation By Dense Fusion Network On Blurred VHR Remote Sensing Images},
author = {Yi Peng and Shihao Sun and Zheng Wang and Yining Pan and Ruirui Li},
journal= {arXiv preprint arXiv:1903.02702},
year = {2020}
}
备注
Submitted to BigDIA 2020