基于深度置换不变网络的超分辨率多时相分割
图像与视频处理
2022-04-07 v1 计算机视觉与模式识别
摘要
来自场景多时相卫星获取的多图像超分辨率近期得益于新的深度学习模型取得了巨大成功。在本文中,我们超越更高分辨率下的经典图像重建,研究一种超分辨率推断问题,即在高于传感平台空间分辨率下的语义分割。我们扩展了近期提出的利用时序置换不变性的模型,加入一个多分辨率融合模块,能够推断分割任务所需的丰富语义信息。本文所提模型近期赢得了 AI4EO 挑战赛的 Enhanced Sentinel 2 Agriculture 项目。
引用
@article{arxiv.2204.02631,
title = {Super-resolved multi-temporal segmentation with deep permutation-invariant networks},
author = {Diego Valsesia and Enrico Magli},
journal= {arXiv preprint arXiv:2204.02631},
year = {2022}
}
备注
IGARSS 2022