图像分割论文:Boundary Loss for Remote Sensing Imagery semantic segmentation

本文作者Alexey Bokhovkin在2019年发表的论文中,针对遥感图像语义分割的问题,指出现有损失函数如BCE、IoU和Dice在目标边界检测上的不足,并提出一种新的边界损失函数,旨在改善边界检测的准确性。通过与其他损失函数的对比实验,证明了该方法能有效提升图像分割中目标边界的精度。
摘要由CSDN通过智能技术生成

图像分割论文:Boundary Loss for Remote Sensing Imagery semantic segmentation

Auther: Alexey Bokhovkin, Institution:Skoltech, Moscow, Publish year: 2019
论文地址:https://arxiv.org/abs/1905.07852v1

目前存在的问题:

  • 对遥感地图进行分析时,对目标实例的分割,尤其是对目标边界的确定至关重要。但目前分割任务中广泛使用的loss function,例如BCE,IoU,Dice等,不会对边界的错误划分进行惩罚。

提出的改进方案:

  • 提出了一种用于度量边界检测精度的loss function,可以适用于不同的网络,用于二分类任务

对比方案:

在这里插入图片描述
Fig1 用于对比的loss function

边界度量:

Scgt :class c的ground truth
S

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值