利用序列局部上下文模块从遥感图像中进行船舶实例分割
计算机视觉与模式识别
2019-04-23 v1
摘要
基于卷积神经网络的许多标志性框架的引入，极大提升了遥感图像中目标实例分割的性能。然而，目标密集问题仍影响此类分割框架的精度。同类目标容易混淆，这极可能是由于目标间紧密停靠所致。我们认为上下文信息对解决该问题至关重要。因此，我们提出一种称为 SLCMASK-Net 的新框架，其中引入序列局部上下文模块（SLC）以避免同类目标间的混淆。SLC 模块在掩码分支中应用一系列膨胀卷积块逐步学习多尺度上下文信息。此外，我们尝试将 SLC 模块添加至框架中不同位置，并实验不同参数设置的效果。在 QuickBird 获取的分辨率为 的遥感图像上进行对比实验，结果表明所提方法取得了最先进的性能。
引用
@article{arxiv.1904.09823,
title = {Ship Instance Segmentation From Remote Sensing Images Using Sequence Local Context Module},
author = {Yingchao Feng and Wenhui Diao and Zhonghan Chang and Menglong Yan and Xian Sun and Xin Gao},
journal= {arXiv preprint arXiv:1904.09823},
year = {2019}
}
备注
4 pages, 5 figures, IEEE Geoscience and Remote Sensing Society 2019