通用少样本遥感：基于混合语义分割框架的地貌涵盖映射中的新类发现

CVPRApr, 2024

通用少样本遥感：基于混合语义分割框架的地貌涵盖映射中的新类发现

Generalized Few-Shot Meets Remote Sensing: Discovering Novel Classes in Land Cover Mapping via Hybrid Semantic Segmentation Framework

PDF

Zhuohong Li, Fangxiao Lu, Jiaqi Zou, Lei Hu, Hongyan Zhang

TL;DR提出了一种名为 SegLand 的广义少样本分割框架，用于在高分辨率土地覆盖映射中更新新颖类别，实验表明该框架在有限标记数据下自动更新新颖土地覆盖类别方面具有优越性。

Abstract

land-cover mapping is one of the vital applications in Earth observation, aiming at classifying each pixel's land-cover type of remote-sensing images. As natural and human activities change the landscape, the land-cover map needs to be rapidly updated. However, discovering newly appear

land-cover mapping few-shot segmentation-based framework novel classes high-resolution land-cover mapping limited labeled data

发现论文，激发创造

多光谱、高光谱和高空间分辨率航空影像的深度学习语义分割评估

该研究使用深度学习语义分割方法，在多光谱、高光谱和高空间分辨率的航拍图像数据集上进行了土地覆盖分类，其中 LinkNet 模型在所有数据集中获得了高 IoU 准确率 0.92，评估结果显示多光谱图像在 IoU 和 F1 得分上表现更佳，展示了 LinkNet 和多光谱图像在土地覆盖分类上的高效性和广泛适用性。

Jun, 2024

卫星图像弱监督语义分割用于土地覆盖制图 -- 挑战和机遇

本文介绍了一种基于弱监督学习策略的方法，以处理远程感知特定形式的弱监督数据，并取得高分辨率大规模土地覆盖映射的进展，基于 SEN12MS 数据集进行了讨论和展示了一些基线结果。

Feb, 2020

用于土地覆盖分割的不确定性门控网络

本文提出了一种新的方法来处理模拟不同地表覆盖类别像素周围多尺度背景的问题。该方法利用分类不确定度量的异方差度量计算来定义存储单元之间的一组存储门，以选择每个像素的最佳决策。

May, 2018

生成土地覆盖分类训练数据集以推进全球发展

使用 Sentinel-2 卫星数据和 Random Forests 算法的语义分割技术可用于高精度地图绘制，为农业和经济发展提供一种可行技术。

Nov, 2018

自监督的土地覆盖分割方法

通过自我监督方法和深度学习，在没有高质量地面真实标签的情况下，可实现对高分辨率土地利用 / 土地覆盖变化图的自动标注，准确率达到约 52%。