论文作者:Javed Iqbal,Aliza Masood,Waqas Sultani,Mohsen Ali
作者单位:Information Technology University
论文链接:http://arxiv.org/abs/2309.15625v1
内容简介:
1)方向:道路分割
2)应用:无人驾驶、城市发展规划、可持续发展目标等应用领域。
3)背景:从遥感图像中准确分割道路的技术对于诸如自动驾驶汽车、城市发展规划以及实现可持续发展目标等许多实际应用非常有用。然而,道路只是图像的一小部分,其外观、类型、宽度、高程、方向等在地理区域之间存在较大的变化。由于城市化风格、规划和自然环境的差异,沿着道路的各个区域也会显著变化。
4)方法:本文提出一种针对远程感知图像中道路分割的拓扑感知无监督领域自适应方法。具体而言,通过预测道路骨架作为辅助任务来施加拓扑约束。为了强制在未标记的目标领域中保持对道路和骨架的一致预测,定义了跨骨架预测头和道路分割头之间的一致性损失。此外,为了进行自训练,使用基于连通性的伪标签精化策略来过滤掉噪声伪标签,分别在道路和骨架分割头上进行操作,从而避免了孔洞和不连续性。
5)结果:在基准数据集上进行了大量实验证明了所提方法相对于现有最先进方法的有效性。特别是对于SpaceNet到DeepGlobe的自适应,该方法在IoU、F1-score和APLS方面的性能分别比竞争方法提高了最少6.6%、6.7%和9.8%。