面向 overhead 影像语义分割改进的传感器自适应方法
计算机视觉与模式识别
2018-11-21 v1
摘要
语义分割是促进视觉场景理解的一种有力方法。每个像素根据预定义的目标类别和语义实体列表被赋予一个标签。这作为总结大规模 overhead 影像的一种手段非常有用。在本文中, 我们展示了在 overhead 影像应用上的语义分割工作。我们提出一种在 DeepLab 框架基础上构建并扩展的算法, 以能够细化并分辨小目标（相对于图像尺寸而言）如车辆。我们还研究了传感器自适应作为一种增强可用训练数据的手段, 以能够减少神经网络在新环境与新传感器上部署时的一些缺陷。我们在多个数据集上报告了结果, 并与其他 SOTA 架构进行了性能比较。
引用
@article{arxiv.1811.08328,
title = {Sensor Adaptation for Improved Semantic Segmentation of Overhead Imagery},
author = {Marc Bosch and Gordon A. Christie and Christopher M. Gifford},
journal= {arXiv preprint arXiv:1811.08328},
year = {2018}
}
备注
Accepted publication at WACV 2019