基于解释方法的遥感图像弱监督语义分割用于树种分类
计算机视觉与模式识别
2022-01-20 v1
摘要
在业务化林业应用中,为树种识别收集大量基于像素的标注训练样本耗时且昂贵。为解决该问题,本文研究了深度神经网络解释方法在仅使用图像级标签进行弱监督语义分割中的有效性。具体而言,我们考虑四种方法:i)类激活图(CAM);ii)基于梯度的CAM;iii)像素相关模块;以及iv)自增强图(SEM)。我们使用定量和定性分割精度度量以及计算需求对这些方法相互比较。在航拍图像档案上获得的实验结果表明:i)所考虑的解释技术对于弱监督下的树种识别高度相关;以及ii)SEM优于其他所考虑的方法。本文代码公开于https://git.tu-berlin.de/rsim/rs_wsss。
引用
@article{arxiv.2201.07495,
title = {Weakly Supervised Semantic Segmentation of Remote Sensing Images for Tree Species Classification Based on Explanation Methods},
author = {Steve Ahlswede and Nimisha Thekke-Madam and Christian Schulz and Birgit Kleinschmit and Begüm Demir},
journal= {arXiv preprint arXiv:2201.07495},
year = {2022}
}
备注
4 pages, 1 figure, submitted to IEEE Geosciences and Remote Sensing Symposium (2022)