遥感分割输出的分块与拼接：基本挑战与建议
计算机视觉与模式识别
2019-02-26 v3
摘要
本工作中我们考虑将卷积神经网络 (CNNs) 应用于遥感影像（如航空彩色或高光谱影像）的逐像素标注（即语义分割）。遥感影像通常以极大图像形式存储，称为“瓦片”，其过大而无法使用大多数 CNN 及其相关硬件直接分割。因此，在标签推断时，较小的子图像（称为“补丁”）被单独处理，然后“拼接”（拼接）回一起以创建瓦片大小的标签图。该方法存在计算低效问题，并可能导致输出边界处的不连续。我们提出一种简单替代方法：仅在标签推断时大幅增大 CNN 的输入尺寸。这并未完全避免拼接，但显著缓解了它的局限。我们使用两种流行分割 CNN 模型与两个大规模遥感影像数据集，将所提方法与传统拼接方法进行了性能评估。结果表明，所提方法大幅减少标签推断时间，同时也带来整体标签准确率的适度提升。该方法促成了我们在 INRIA 建筑标注竞赛中的获胜提交（整体性能）。
引用
@article{arxiv.1805.12219,
title = {Tiling and Stitching Segmentation Output for Remote Sensing: Basic Challenges and Recommendations},
author = {Bohao Huang and Daniel Reichman and Leslie M. Collins and Kyle Bradbury and Jordan M. Malof},
journal= {arXiv preprint arXiv:1805.12219},
year = {2019}
}