SBSS：基于堆叠的甚高分辨率遥感图像语义分割框架
计算机视觉与模式识别
2023-05-02 v1
摘要
甚高分辨率(VHR)遥感图像的语义分割是许多应用中的基础任务。然而，VHR图像中物体尺度的大幅变化对准确语义分割提出了挑战。现有语义分割网络最多能在四种缩放尺度上分析输入图像，但鉴于物体尺度的多样性，这可能仍显不足。因此，实践中常使用多尺度(MS)测试时数据增强以获得更精确的分割结果，其平等利用不同缩放尺度下获得的分割结果。然而，本研究发现不同类别的物体在更精确的语义分割上具有各自偏好的缩放尺度。基于该特性，提出一种基于堆叠的语义分割(SBSS)框架，通过学此特性来改进分割结果，其包含一个可学习的误差校正模块(ECM)用于分割结果融合，以及一个误差校正方案(ECS)用于控制计算复杂度。本研究提出并探讨了两种ECS，即ECS-MS与ECS-SS。ECS-MS与ECS-SS所需的浮点运算数(Flops)分别接近于常用的MS测试与单尺度(SS)测试。在四个数据集(即Cityscapes、UAVid、LoveDA和Potsdam)上的大量实验表明，SBSS是一种有效且灵活的框架。使用ECS-MS时其精度高于MS，使用ECS-SS时以四分之一的内存占用取得了与SS相近的精度。
引用
@article{arxiv.2212.07623,
title = {SBSS: Stacking-Based Semantic Segmentation Framework for Very High Resolution Remote Sensing Image},
author = {Yuanzhi Cai and Lei Fan and Yuan Fang},
journal= {arXiv preprint arXiv:2212.07623},
year = {2023}
}
备注
14 pages