May, 2018

遥感图像分割的平铺和拼接输出：基本挑战及建议

PDF
TL;DR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。
convolutional neural networkspixel-wise labelingremote sensing imagerylabel inferencecomputational efficiency
发现论文，激发创造
  • 卷积网络基于动态多上下文遥感图像分割

    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

  • 用完全卷积网络对高分辨率航空影像进行密集语义标注

    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

  • 使用深度学习对遥感影像植被进行语义分割

    本文介绍了一种利用机器学习技术，结合公开遥感数据，使用卷积神经网络模型实现不同类植被的分离的方法，旨在解决处理遥感数据的效率问题。

    Sep, 2022

  • 使用卷积神经网络实现亚分米分辨率图像的密集语义标注

    本文基于卷积神经网络提出了一种深度学习系统，能够在高分辨率的航拍图像上检测地物信息并达到了良好的识别精度。

    Aug, 2016

  • 基于深度神经网络的建筑轮廓分割多任务学习

    本文研究了高分辨率遥感卫星图像中像素级预测方法的挑战，提出了一种新的级联多任务损失来保留语义分割边界。结果表明，不需要额外的后处理步骤，我们的方法在 Inria 航空图像标注数据集上优于现有技术 8.3％。

    Sep, 2017

  • 实时语义分割：遥感中的简要调查与比较研究

    远程感知影像的实时语义分割是一个具有挑战性的任务，需要在效果和效率之间进行权衡。本论文总结了设计高效深度神经网络的基本压缩方法，并对远程感知影像的实时语义分割的最新发展进行了简要而全面的调查。实验结果表明，现有的大多数高效深度神经网络都具有良好的分割质量，但它们存在推理速度低（即高延迟率）的问题，可能限制了它们在实时应用中的部署能力。我们对远程感知影像实时语义分割的当前趋势和未来研究方向提供了一些见解。

    Sep, 2023

  • 从在线地图学习航空图像分割

    本文研究了使用卫星图像语义分割实现自动生成地图的问题。通过使用不同的训练数据集进行对比分析，文章指出采用大规模公开标注来取代部分手动标注可以显著降低成本且不影响语义分割效果

    Jul, 2017

  • 卷积 LSTM 用于远程感知图像的云适应分割

    本研究探讨了利用卷积长短时记忆网络进行植被分类的云覆盖鲁棒性，包括可视化内部细胞激活和对不同云覆盖数据集进行消融实验，结果表明网络内部已经自动学习了云过滤机制，进一步证明了多时间深度学习方法的预处理流程的必要性存在疑问。

    Oct, 2018

  • 卷积神经网络进行高分辨率语义标记

    本文介绍卷积神经网络在图像语义分割领域的应用，通过深入研究相关架构，提出了更加高效和灵活的 CNN 框架，能够在高分辨率航空影像语义分割任务中取得更好的性能表现。

    Nov, 2016

  • 遥感图像稀疏注释语义分割

    提出一种基于不完整标注的航空图像语义分割框架，利用少量草图注释，采用 FEature 和 Spatial relaTional regulArization (FESTA) 方法来增强监督学习任务，引入无监督学习信号以考虑特征和空间邻域结构。

    Jan, 2021