基于数据融合的半监督高分遥感影像语义分割
由于需要进行像素级标注,语义分割通常比分类以及目标识别等任务需要更高的人工成本,尤其在基于高分遥感影像的土地分类应用中,因其背景复杂、目标密集,进行语义标注的成本更为高昂,严重限制了该技术在智能遥感领域的发展.此外,尽管传统半/弱监督学习方法能够有效降低训练成本,但通常其分割结果的质量较低,很难具备应用价值.针对以上两个问题,文中提出了一种采用半监督自校正融合策略的语义分割模型.通过引入数据融合技术以及自校正策略,有效地降低了分割模型对强标注的依赖性.该模型在仅使用15%强监督信息的前提下,在波茨坦以及韦兴根数据集上分别获得了86.5%和81.7%的平均F1分数.实验结果表明,所提方法在大幅降低语义分割训练成本的同时,能够获得与全监督模型相竞争的高质量分割结果.
遥感图像、深度学习、全卷积神经网络、语义分割、数据融合、半监督学习
50
TP391(计算技术、计算机技术)
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
256-261