卫星图像弱监督语义分割
计算机视觉与模式识别
2019-04-09 v1
摘要
当人们想要训练神经网络执行语义分割时，为数据库中每幅图像创建像素级标注是一项繁琐任务。若处理通常非常大的航空或卫星图像，则更为糟糕。鉴于此，我们研究如何利用图像级标注来执行语义分割。图像级标注的获取远比像素级标注廉价，但我们在模型训练中丢失了大量信息。从图像标注中，模型必须自行找出如何对图像的不同区域进行分类。本工作中，我们采用 Anh 与 Kwak [1] 提出的方法由图像级标注生成像素级标注。我们将所生成数据集的整体质量与原始数据集进行比较。此外，我们提出一种 AffinityNet 的改进，使其能直接执行语义分割。我们的结果表明，生成的标签在训练多个分割网络时带来相同性能。并且，由 AffinityNet 与 Random Walk 直接执行的语义分割质量接近于最佳全监督方法的质量。
引用
@article{arxiv.1904.03983,
title = {Weakly Supervised Semantic Segmentation of Satellite Images},
author = {Adrien Nivaggioli and Hicham Randrianarivo},
journal= {arXiv preprint arXiv:1904.03983},
year = {2019}
}