面向遥感图像实例分割的语义注意力与尺度互补网络
计算机视觉与模式识别
2021-07-27 v1
摘要
本文关注遥感图像（RSIs）中具挑战性的多类别实例分割问题，其旨在预测所有实例的类别并以像素级掩码定位它们。尽管许多标志性框架已在实例分割中展现出良好性能，背景的复杂性与实例的尺度多变性对遥感图像实例分割而言仍具挑战。为解决上述问题，我们提出了一种端到端多类别实例分割模型，即语义注意力与尺度互补网络，其主要由语义注意力（SEA）模块与尺度互补掩码分支（SCMB）组成。SEA 模块包含一个带额外监督的简易全卷积语义分割分支，以加强特征图上感兴趣实例的激活并减少背景噪声的干扰。为处理具有大尺度变化的地理空间实例的欠分割问题，我们设计了 SCMB，其将原始单一掩码分支扩展为三叉掩码分支，并在不同尺度引入互补掩码监督以充分利用多尺度信息。我们在 iSAID 数据集与 NWPU 实例分割数据集上进行了综合实验以评估所提方法的有效性，并取得了良好性能。
引用
@article{arxiv.2107.11758,
title = {Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images},
author = {Tianyang Zhang and Xiangrong Zhang and Peng Zhu and Xu Tang and Chen Li and Licheng Jiao and Huiyu Zhou},
journal= {arXiv preprint arXiv:2107.11758},
year = {2021}
}
备注
14 pages