SkyScapes：航拍场景的细粒度语义理解
计算机视觉与模式识别
2020-07-14 v1
摘要
以厘米级精度理解复杂的城市基础设施，对于从自动驾驶到地图绘制、基础设施监测和城市管理等诸多应用至关重要。航拍图像能瞬间提供大范围的有价值信息；然而，目前没有数据集能以实际应用所需的粒度级别捕捉航拍场景的复杂性。为解决这一问题，我们引入了 SkyScapes，这是一个航拍图像数据集，具有高度准确、细粒度的像素级语义标注。SkyScapes 提供了 31 个语义类别的标注，从大型结构（如建筑物、道路和植被）到细粒度细节（如 12 个车道标线（子）类别）。我们在该数据集上定义了两个主要任务：密集语义分割和多类车道标线预测。我们进行了广泛的实验，以在 SkyScapes 上评估 SOTA 分割方法。现有方法难以处理数据中存在的广泛类别、目标大小、尺度和细粒度细节。因此，我们提出了一种新颖的多任务模型，该模型结合了语义边缘检测，并更好地调优了从广泛尺度中提取特征的能力。该模型在两项任务的区域轮廓和细节水平上均取得了优于基线的显著改进。
引用
@article{arxiv.2007.06102,
title = {SkyScapes -- Fine-Grained Semantic Understanding of Aerial Scenes},
author = {Seyed Majid Azimi and Corentin Henry and Lars Sommer and Arne Schumann and Eleonora Vig},
journal= {arXiv preprint arXiv:2007.06102},
year = {2020}
}
备注
Accepted in IEEE ICCV19