面向双模态 SAR 图像分割的 U-NetMN 与 SegNetMN 模型
计算机视觉与模式识别
2025-12-16 v2 机器学习
图像与视频处理
摘要
合成孔径雷达 (SAR) 图像分割是众多遥感应用的关键任务，尤其是水体检测。然而，深度学习分割模型常因数据复杂统计分布面临收敛速度和稳定性挑战。本文评估了模式归一化对两种广泛使用的语义分割模型（U-Net 和 SegNet）的影响。具体而言，我们引入模式归一化以缩短收敛时间，同时保持基线模型的性能。实验结果表明，模式归一化显著加速了收敛。此外，交叉验证结果表明，归一化模型在不同区域展现出更高的稳定性。这些发现凸显了归一化在提高 SAR 图像分割计算效率和泛化能力方面的有效性。
引用
@article{arxiv.2506.05444,
title = {U-NetMN and SegNetMN: Modified U-Net and SegNet models for bimodal SAR image segmentation},
author = {Marwane Kzadri and Franco Alberto Cardillo and Nanée Chahinian and Carole Delenne and Renaud Hostache and Jamal Riffi},
journal= {arXiv preprint arXiv:2506.05444},
year = {2025}
}