利用多模态与多尺度深度网络的地球观测数据语义分割
计算机视觉与模式识别
2016-09-23 v1 神经与进化计算
摘要
本工作研究了使用深度全卷积神经网络（DFCNN）对地球观测图像进行像素级场景标注。特别地，我们在城市区域的遥感数据上训练了SegNet架构的一个变体，并研究了用于执行准确语义分割的不同策略。我们的贡献如下：1）我们将DFCNN从通用日常图像高效迁移到遥感图像；2）我们引入了多核卷积层以快速聚合多尺度预测；3）我们利用残差校正执行来自异构传感器（光学与激光）的数据融合。我们的框架在ISPRS Vaihingen 2D Semantic Labeling数据集上提升了最先进精度。
引用
@article{arxiv.1609.06846,
title = {Semantic Segmentation of Earth Observation Data Using Multimodal and Multi-scale Deep Networks},
author = {Nicolas Audebert and Bertrand Le Saux and Sébastien Lefèvre},
journal= {arXiv preprint arXiv:1609.06846},
year = {2016}
}
备注
Asian Conference on Computer Vision (ACCV16), Nov 2016, Taipei, Taiwan