利用扩张卷积有效地对遥感图像中小目标实例进行分割

Sep, 2017

Effective Use of Dilated Convolutions for Segmenting Small Object Instances in Remote Sensing Imagery

Ryuhei Hamaguchi, Aito Fujita, Keisuke Nemoto, Tomoyuki Imaizumi, Shuhei Hikosaka

TL;DR本文介绍了一种解决遥感图像中对象小而拥挤的局限性，名为 LFE 架构的新型结构，其核心是在扩张前端模块之上添加局部特征提取模块，通过聚合不断减小的扩张因子来聚合本地特征，实现了卫星遥感图像的语义分割，取得了显著的效果。

Abstract

Thanks to recent advances in cnns, solid improvements have been made in semantic segmentation of high resolution remote sensing imagery. H

发现论文，激发创造

本文介绍了一种应用深度卷积神经网络用于语义标签高分辨率遥感数据的方法，采用了全卷积网络和预训练卷积神经网络在卫星图像识别中得到了较好的应用效果。

Jun, 2016

通过利用扩张卷积等方法，本文提出一种弱监督下语义分割的新模型，能够得到准确的物体分割结果，相较于之前的方法在具有 1,464 个分割掩码的半监督和仅有图像级标签的弱监督设置下，分别获得了 60.8％和 67.6％的高精度分割效果，成为当前最优秀的模型。

May, 2018

本文提出了一种特别为密集预测设计的新的卷积网络模块，该模块利用扩张卷积系统地汇集多尺度上下文信息，而不会丢失分辨率，并证明了该模块可以提高现有最先进的语义分割系统的精度。同时，作者还探究了将图像分类网络适应于密集预测的可能性，并提出了简化适应后的网络结构有助于提高精度。

Nov, 2015

该论文提出了一种改进像素级语义分割的深度学习方法，其中涵盖了密集上采样卷积和混合空洞卷积框架，达到了在 Cityscapes 等数据集上的最先进结果。

Feb, 2017

本研究提出了一种利用多层感知域适用于遥感图像的语义分割的新技术，通过训练一个具有不同感知域的扩张网络，从多种异质性环境下获取信息，从训练样本中定义最佳输入补丁大小，显著提高了像素分类精度。

Apr, 2018

利用 3D 物体检测、LiDAR 点云、动态特征融合模块和特征选择模块以提高网络性能。

Jan, 2024

通过引入额外的平均层，我们提出了一种可以显著提高图像分割的扩张卷积效能的解决方法，其采用的低成本平滑方法具有比以前方法更高的计算效率。

Mar, 2019

本研究提出了一种新的本地卷积神经网络 (D4LCN)，该网络通过学习基于图像深度映射的过滤器及其响应域，克服了传统 2D 卷积的局限性，缩小了图像表达和 3D 点云之间的差距，显著提高了 3D 物体检测的性能。

Dec, 2019

本研究设计了一种双并行、使用不同扩张率的卷积层的 ResNeXt，以提高区域感知率和保留局部细节，进而实现语义分割，并在实时 Cityscapes 和 CamVid 数据集上取得迄今最优成果。

Nov, 2021

本文提出了一种基于卷积神经网络的遥感图像像素级标注方法，该方法使用大输入图像在标注时通过增大 CNN 模型尺寸以实现标注时间的有效减少及整体标注精度的提高。

May, 2018