高分辨率航拍图像的半监督分类与分割
计算机视觉与模式识别
2021-06-29 v2 人工智能
摘要
FloodNet 是由小型无人机平台 DJI Mavic Pro 四旋翼在 Hurricane Harvey 之后获取的高分辨率图像数据集。该数据集提出了一个独特挑战:利用无标签和有限的标签数据集推进灾后场景的损毁评估过程。我们提出一种解决方案以应对其分类与语义分割挑战。我们的方法是在训练过程中为分类和分割生成伪标签,并缓慢增加伪标签损失对最终损失的影响程度。使用这种半监督训练方法,使我们的基线监督损失在分类上大幅改善,令模型在数据集的验证集和测试集上泛化并表现更好。本文中,我们比较并对比了 FloodNet 数据集上用于图像分类和语义分割的各种方法与模型。
引用
@article{arxiv.2105.08655,
title = {Semi-Supervised Classification and Segmentation on High Resolution Aerial Images},
author = {Sahil Khose and Abhiraj Tiwari and Ankita Ghosh},
journal= {arXiv preprint arXiv:2105.08655},
year = {2021}
}
备注
5 pages, 2 tables, 1 figure