用于卫星图像道路语义分割的半监督域适应
计算机视觉与模式识别
2022-12-27 v1 图像与视频处理
摘要
本文给出了一种从卫星图像提取道路的半监督分割方法的初步发现。人工神经网络与图像分割方法是从卫星图像提取道路数据最成功的方法之一。然而，这些模型需要来自不同地区的大量训练数据以实现高准确率。在此类数据在数量或质量上不足的情况下，通过从异源标注数据迁移知识来训练深度神经网络是一种标准方法。本研究提出一种利用半监督学习方法进行路径分割的方法。提出了一种基于伪标记与最小类混淆（Minimum Class Confusion）方法的半监督域适应方法，并观察到其在目标数据集上提升了性能。
引用
@article{arxiv.2212.13079,
title = {Semi-Supervised Domain Adaptation for Semantic Segmentation of Roads from Satellite Images},
author = {Ahmet Alp Kindiroglu and Metehan Yalçın and Furkan Burak Bağcı and Mahiye Uluyağmur Öztürk},
journal= {arXiv preprint arXiv:2212.13079},
year = {2022}
}
备注
in Turkish language