【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