基于热成像的船舶弱监督语义分割
计算机视觉与模式识别
2022-12-27 v1
摘要
美国海岸线绵延95,471英里；这一距离无法仅靠人力有效巡逻或保卫。配备红外相机与基于深度学习算法的无人机(UAV)是一种更高效的替代方案，用于识别与分割感兴趣目标——即船舶。然而，训练这些算法的标准方法需要大规模密集标注的红外海事图像数据集。此类数据集尚未公开，且在大尺度数据集中逐像素人工标注将带来极高人力成本。本工作表明，在红外图像中分割船舶的背景下，以稀疏标注数据弱监督算法可大幅降低数据标注成本，且对系统性能影响甚微。我们将弱监督学习应用于源自海军航空作战中心飞机分部(NAWCAD)的7055张未标注红外图像数据集。我们发现，每图仅稀疏标注32个点，弱监督分割模型仍能有效检测与分割船舶，Jaccard分数最高达0.756。
引用
@article{arxiv.2212.13170,
title = {Weakly-Supervised Semantic Segmentation of Ships Using Thermal Imagery},
author = {Rushil Joshi and Ethan Adams and Matthew Ziemann and Christopher A. Metzler},
journal= {arXiv preprint arXiv:2212.13170},
year = {2022}
}