CVPRNov, 2020

基于前景意识的关系网络用于高空间分辨率遥感图像中的地理空间目标分割

PDF
TL;DR本文从关系建模和基于优化的前景建模的角度出发，提出了一种强调前景相关性的前景感知网络 FarSeg，以缓解地物目标分割面临的大尺度变化、高背景内类间差异和前景 - 背景不平衡等问题，实验结果表明该方法优于现有的语义分割方法，并在速度和准确度之间取得了更好的折衷效果。
geospatial object segmentationhigh spatial resolution remote sensing imageryforeground modelingrelation-based optimizationfarseg
发现论文，激发创造
  • 使用地理空间注意力重新审视近 / 远距离感知

    介绍了一种基于大地空间注意力机制的近 / 远距离感知方法，该方法结合了空中和地面图像的几何特征和外观，提高了分割任务的准确性。实验结果显示，该方法显著优于之前的最先进方法。

    Apr, 2022

  • AF$_2$: 航空影像分割的自适应聚焦框架

    本论文提出了一种名为自适应聚焦框架（AF2）的层级分割方法，通过利用多尺度特征信息来更好地识别不同大小的目标，并通过可学习的自适应置信机制（ACM）确定不同对象分割时应该使用哪种尺度的特征，实验证明该方法在三种广泛使用的航拍图像数据集上都取得了显著提高的准确性。

    Feb, 2022

  • 一种关系增强的全卷积网络用于航空场景的语义分割

    本研究提出了空间关系模块和通道关系模块，可用于学习和推理任何两个空间位置或特征图之间的全局关系，并产生关系增强的特征表示。研究团队在利用两个航空图像数据集进行的语义分割任务中使用这些模块，取得了相当优异的结果，比基准模型有显著提升。

    Apr, 2019

  • 视频和图像联合分割与定位的前景聚类

    本文提出了一种新的框架，将视频 / 图像分割和区域定位视为一个单一的优化问题，并以非常弱的监督方式集成低级外观线索和高级定位线索的信息。该框架利用不同级别的两种表示，利用边界框和超像素之间的空间关系作为线性约束，同时在边界框和超像素级别上区分前景和背景。与以往主要依赖于判别聚类的方法不同，我们结合了一个前景模型，使得一个物体在所有图像帧中的直方图差异最小。利用超像素和边界框之间的几何关系使得分割线索可以传递以改善定位输出，反之亦然。前景模型的引入将我们的判别框架推广到视频数据，其中背景往往是相似的，因此不具有判别力。我们证明了我们的统一框架在 YouTube 对象视频数据集，Internet 对象发现数据集和 Pascal VOC 2007 上的有效性。

    Nov, 2018

  • Hi-ResNet：高分辨率遥感图像语义分割网络

    本研究提出了一个高分辨率遥感图像网络模型，可解决同类别地物在不同地理环境下形态和比例显著不同，以及复杂背景噪声干扰下影响现有学习算法效果的问题。该模型包含漏斗模型、信息聚合模块、特征精炼模块和 CEA Loss 损失函数，并通过有效的预处理策略，在三个高分辨率遥感图像分割基准数据集上取得了优异表现。

    May, 2023

  • 实时语义分割的背景减除

    本文提出了一种基于实时语义分割的新型背景减除定义，其由传统的背景分割器和实时语义分割器组成，并在 CDnet 数据集上评估，达到了同类无监督背景减除方法的最优表现，甚至优于某些基于深度学习的有监督算法，并且具有潜在的泛化能力。

    Nov, 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

  • 基于上下文引导的空间特征重建用于高效语义分割

    这篇论文提出了一种基于上下文引导的空间特征重建的高效而竞争力强的分割框架 CGRSeg，包括矩形自校准模块、动态原型引导头等，经过在 ADE20K、COCO-Stuff 和 Pascal Context 基准上的广泛评估，取得了语义性能的最新成果。

    May, 2024

  • 区域增强的特征学习用于场景语义分割

    本文提出了一种基于区域的特征强化网络 (REFL-Net)，将点云表示为区域来减少计算压力，并设计了以区域为基础的特征强化模块 (RFE) 来提高模糊点的特征表示，实现了强大的长程上下文建模和领域泛化能力。实验结果显示，REFL-Net 在 ScanNetv2 和 S3DIS 数据集上均达到了显著的增益。

    Apr, 2023

  • 一种基于语义分割的地空图像匹配方法

    该论文提出了一种基于语义分析的方法，通过比较地面图像与卫星图像的特征，结合语义分割掩模，实现无 GPS 数据的查询地理定位，并在不同视场上通过对 CVUSA 数据集进行测试表明该方法提升了性能。

    Apr, 2024