融合域自适应和弱监督策略的遥感影像建筑物提取算法

P237; 常见的建筑物提取算法主要采用全监督的方式实现,得到的模型通常在训练数据集上表现良好,而在跨区域使用时效果不佳.基于生成对抗网络的域自适应方法虽然在一定程度上能够增强网络的迁移能力,但由于缺乏目标域关键信息,效果难以保证.设计了一种全新的端到端弱监督建筑物提取网络.首先,采用像素关联模块来提升生成网络的性能;然后,在此基础上综合运用域自适应和图像级弱标签两种策略来优化训练过程,从而大幅提升了网络模型的泛化扩展性能.采用3组数据对所提方法的有效性进行了验证,通过大量实验证明了所提方法可以有效提升建筑物提取的性能.同时,通过消融实验验证了网络中各个模块的有效性....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 6; pp. 1616 - 1623
Main Authors 庞世燕, 郝京京, 邢立宁, 谭旭
Format Journal Article
LanguageChinese
Published 华中师范大学人工智能教育学部,湖北武汉430079%国防科技大学系统工程学院,湖南长沙410072 01.06.2023
深圳职业技术学院软件学院,广东深圳518055%深圳职业技术学院软件学院,广东深圳518055
Subjects
生成对抗网络
语义分割
建筑物提取
域自适应
弱监督
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.06.04

Cover

More Information
Summary:P237; 常见的建筑物提取算法主要采用全监督的方式实现,得到的模型通常在训练数据集上表现良好,而在跨区域使用时效果不佳.基于生成对抗网络的域自适应方法虽然在一定程度上能够增强网络的迁移能力,但由于缺乏目标域关键信息,效果难以保证.设计了一种全新的端到端弱监督建筑物提取网络.首先,采用像素关联模块来提升生成网络的性能;然后,在此基础上综合运用域自适应和图像级弱标签两种策略来优化训练过程,从而大幅提升了网络模型的泛化扩展性能.采用3组数据对所提方法的有效性进行了验证,通过大量实验证明了所提方法可以有效提升建筑物提取的性能.同时,通过消融实验验证了网络中各个模块的有效性.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.06.04