基于生成式对抗网络的遥感图像半监督语义分割

TP751; 高分辨率遥感图像的语义分割问题是目前遥感图像处理领域中的研究热点之一.传统的有监督分割方法需要大量的标记数据,而标记过程又较为困难和耗时.针对这一问题,提出一种基于生成式对抗网络的半监督高分辨率遥感图像语义分割方法,只需要少量样本标签即可得到较好的分割结果.该方法为分割网络添加全卷积形式的辅助对抗网络,以助于保持高分辨率遥感图像分割结果中的标签连续性;更进一步,提出一种新颖的能够进行注意力选择的对抗损失,以解决分割结果较好时判别器约束的分割网络更新过程中存在的难易样本不均衡问题.在ISPRS Vaihingen 2D语义标记挑战数据集上的实验结果表明,与现有其它语义分割方法相比,...

Full description

Saved in:
Bibliographic Details
Published in红外与毫米波学报 Vol. 39; no. 4; pp. 473 - 482
Main Authors 刘雨溪, 张铂, 王斌
Format Journal Article
LanguageChinese
Published 复旦大学信息学院智慧网络与系统研究中心,上海 200433 01.08.2020
复旦大学电磁波信息科学教育部重点实验室,上海 200433
Subjects
损失函数
生成式对抗网络
语义分割
高分辨率遥感图像
深度学习
Online AccessGet full text
ISSN1001-9014
DOI10.11972/j.issn.1001-9014.2020.04.012

Cover

More Information
Summary:TP751; 高分辨率遥感图像的语义分割问题是目前遥感图像处理领域中的研究热点之一.传统的有监督分割方法需要大量的标记数据,而标记过程又较为困难和耗时.针对这一问题,提出一种基于生成式对抗网络的半监督高分辨率遥感图像语义分割方法,只需要少量样本标签即可得到较好的分割结果.该方法为分割网络添加全卷积形式的辅助对抗网络,以助于保持高分辨率遥感图像分割结果中的标签连续性;更进一步,提出一种新颖的能够进行注意力选择的对抗损失,以解决分割结果较好时判别器约束的分割网络更新过程中存在的难易样本不均衡问题.在ISPRS Vaihingen 2D语义标记挑战数据集上的实验结果表明,与现有其它语义分割方法相比,所提出方法能够较大幅度地提高遥感图像的语义分割精度.
ISSN:1001-9014
DOI:10.11972/j.issn.1001-9014.2020.04.012