TopoAL：一种用于拓扑感知道路分割的对抗学习方法
计算机视觉与模式识别
2020-07-20 v1
摘要
大多数从航拍图像提取道路的最先进方法依赖于训练一个 CNN 将道路像素标为前景、图像其余部分标为背景。该 CNN 通常通过最小化逐像素损失进行训练，这不利于生成保持道路网络全局连通性的二值掩码。为解决此问题，我们引入一种量身定制的对抗学习（AL）策略。朴素的做法会将分割网络视为生成器，并将其输出与真值分割一同送入判别器，随后联合训练生成器与判别器。我们将表明这并不充分，因其未捕捉到大多数错误是局部的、需如此对待这一事实。相反，我们使用一个更精细的判别器，其返回一个描述道路网络在若干不同尺度上哪些部分正确的标签金字塔。该判别器及其返回的结构化标签正是我们方法优势所在，并且我们将展示其在具挑战性的 RoadTracer 数据集上优于最先进的方法。
引用
@article{arxiv.2007.09084,
title = {TopoAL: An Adversarial Learning Approach for Topology-Aware Road Segmentation},
author = {Subeesh Vasu and Mateusz Kozinski and Leonardo Citraro and Pascal Fua},
journal= {arXiv preprint arXiv:2007.09084},
year = {2020}
}