基于下游任务引导的 SAR 至光学图像翻译：Seg-CycleGAN
计算机视觉与模式识别
2024-08-13 v1 人工智能
图像与视频处理
摘要
光学遥感和合成孔径雷达（SAR) 遥感是地球观测的关键技术，两者提供互补的能力。虽然光学传感器提供高质量图像，但受天气和照明条件限制。相比之下，SAR 传感器可在恶劣条件下正常工作。本文提出一种基于生成对抗网络的 SAR 至光学图像翻译方法，命名为 Seg-CycleGAN，通过利用预训练语义分割模型的语义信息来增强舰船目标翻译的准确性。我们的方法利用舰船目标语义分割作为下游任务，指导图像翻译网络的训练，从而提高输出光学风格图像的质量。本研究揭示了基础模型标注数据集在 SAR 至光学翻译任务中的潜在价值。该工作表明，面向下游任务的框架具有更广泛的研究方向和应用前景。代码将在 https://github.com/NPULHH/ 公开。
关键词
引用
@article{arxiv.2408.05777,
title = {Seg-CycleGAN : SAR-to-optical image translation guided by a downstream task},
author = {Hannuo Zhang and Huihui Li and Jiarui Lin and Yujie Zhang and Jianghua Fan and Hang Liu},
journal= {arXiv preprint arXiv:2408.05777},
year = {2024}
}
备注
8 pages, 5 figures