基于对比学习的遥感图像弱监督ROI提取方法
计算机视觉与模式识别
2023-05-11 v1
摘要
ROI提取因地形复杂、边界不规则及标注需求，是遥感中活跃但具挑战性的任务。弱监督学习（WSL）旨在图像级标签下学习从输入图像到像素级预测的映射，可大幅降低人工成本。然而，由于标签不精确，WSL方法的精度与耗时相对不尽如人意。本文提出一种基于对比学习的两步ROI提取方法。首先，我们提出融合多尺度Grad-CAM以获得边界良好的伪像素级标注。然后，为减少伪标注中误判的影响，我们构建对比学习策略，促使ROI内特征尽可能接近，并将背景特征与前景特征分离。综合实验证明了我们所提方法的优越性。代码见 https://github.com/HE-Lingfeng/ROI-Extraction。
引用
@article{arxiv.2305.05887,
title = {Weakly-supervised ROI extraction method based on contrastive learning for remote sensing images},
author = {Lingfeng He and Mengze Xu and Jie Ma},
journal= {arXiv preprint arXiv:2305.05887},
year = {2023}
}