【论文速递】TGRS2023 - DARSNet：遥感图像超分辨率辅助语义分割的多任务域自适应

【论文速递】TGRS2023 - DARSNet：遥感图像超分辨率辅助语义分割的多任务域自适应

【论文原文】：DASRSNet: Multitask Domain Adaptation for Super-Resolution-Aided Semantic Segmentation of Remote Sensing Images

【作者信息】：Yuxiang Cai; Yingchun Yang; Yongheng Shang; Zhengwei Shen; Jianwei Yin

获取地址：https://ieeexplore.ieee.org/document/9999252

摘要：

无监督领域自适应（UDA）已成为遥感界跨领域语义分割的重要技术，并取得了显著的效果。然而，当从高分辨率（HR）遥感图像转换到低分辨率（LR）图像时，由于严重的空间分辨率偏移问题，现有的UDA框架总是无法分割LR目标图像，特别是对于小物体（例如汽车）。在本文中，为了提高UDA模型对LR目标图像和小对象的分割能力，我们提出了一种新的基于超分辨率（SR）的遥感图像SS多任务域自适应网络（DARSNet）。提出的DARSNet包含SS（DASS）分支的域适配、SR（DASR）分支的区域适配和特征亲和性（FA）模块。具体而言，DASS和DASR分支共享相同的编码器，以提取目标域和源域的域不变特征，这两个分支使用不同的解码器和鉴