20+篇遥感图像分割方向必读论文分享

基于深度学习的遥感图像分割技术在土地丈量、森率覆盖率调查等国民项目中有重要应用，同时也是一直以来热门方向。今天我收集了20多篇相关论文分享给大家，相信我，都是必读的！

因为找论文还挺耗时的，所以先更新这么多，之后会慢慢补充，建议大家收藏一下，觉得有用也请点个赞支持下~

本次论文分享照旧也都下载打包好了，有需要的同学看文末~

各架构网络

语义分割

• SegNet

SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation

本文提出了一种用于像素级语义分割的深度全卷积神经网络结构SegNet。

• DeepLab

DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs

本文用Deep解决了语义图像分割的任务，提出的三个主要贡献在实验中被证明在实际应用中具有重大价值。

• FCN

Fully Convolutional Networks for Semantic Segmentation

作者证明卷积网络通过端到端训练可以实现像素到像素的映射，实验结果超过当时语义分割领域的最新技术。

• ENet

ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation

作者提出了一种全新且高效的深度神经网络架构ENet，专门用于需要低延迟操作的任务。

• LinkNet

LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation

作者提出一种新的深度神经网络架构LinkNet，可以在不显著增加参数数量的情况下进行学习。

• DenseNet 

The One Hundred Layers Tiramisu: Fully Convolutional DenseNets for Semantic Segmentation

作者将DenseNets扩展到语义分割任务，在CamVid和Gatech数据集上实现了当时最先进的结果。

• DilatedNet

MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS

作者开发了一种新的卷积网络模块DilatedNet，专门用于密集预测，该模块使用膨胀卷积系统地聚合多尺度上下文信息而不损失分辨率。

• PixelNet

PixelNet: Towards a General Pixel-Level Architecture

作者提出一种统一的预测网络架构，可以应用于各种像素级预测任务，且其性能优于或 comparable 于专门为某一任务设计的网络，而无需上下文后处理。

实例感知分割

• FCIS

Fully Convolutional Instance-aware Semantic Segmentation

作者提出了第一种端到端实例分割全卷积方法FCIS，继承了FCN在语义分割和实例分割掩码建议中的所有优点。

• MNS

Instance-aware Semantic Segmentation via Multi-task Network Cascades

作者提出了一种多任务级联网络，实现实例级语义分割，该方法快速高效且效果最优。

• DeepMask

Learning to Segment Object Candidates

作者提出一种基于判别式卷积网络的对象建议生成方法，该方法在生成对象掩模和对象可能性得分方面显著优于当时最新技术。

• SharpMask

Learning to Refine Object Segments

作者提出一种上下文精细化方法来增强目标分割的前馈网络，该方法能高效生成高保真度的目标遮罩。

• Mask-RCNN

Mask R-CNN

作者提出了Mask R-CNN，一种简单、灵活且通用的目标实例分割框架，它可以高效检测图像中的对象，同时为每个实例生成高质量的分割掩码。

• RIS

Recurrent Instance Segmentation

作者提出一种端到端的实例分割方法，该方法基于递归神经网络，可以依次找到图像中的对象及其分割结果。

• FastMask

FastMask: Segment Multi-scale Object Candidates in One Shot

作者提出了一种新的片段建议框架FastMask，它利用深度卷积神经网络中的层次特征一次性分割不同尺度的物体。

• BlitzNet

BlitzNet: A Real-Time Deep Network for Scene Understanding

作者提出了一种名为BlitzNet的深度体系结构，可以在一次前向传递中同时执行物体检测和语义分割，实现实时计算。

弱监督分割

• SEC

Seed, Expand and Constrain: Three Principles for Weakly-Supervised Image Segmentation

作者提出一种新的弱监督语义图像分割的损失函数,可以显著提高分割效果。

RNN

• ReNet

ReNet: A Recurrent Neural Network Based Alternative to Convolutional Networks

作者提出了一种基于递归神经网络的物体识别深度神经网络体系结构ReNet。

• ReSeg

ReSeg: A Recurrent Neural Network-based Model for Semantic Segmentation

作者提出了一种结构化预测体系结构ReSeg，它利用卷积神经网络提取的局部通用特征和递归神经网络检索远距离依赖关系的能力。

• CRF-RNN

Conditional Random Fields as Recurrent Neural Networks

作者提出了一种新的卷积神经网络CRF-RNN，它结合了卷积神经网络和条件随机场的优点，用于语义图像分割，在Pascal VOC 2012分割基准测试中获得了最好的结果。

GANS

• pix2pix

Image-to-Image Translation with Conditional Adversarial Networks

作者提出条件对抗网络作为图像到图像转换问题的通用解决方案,它可以学会损失函数和映射,应用于许多任务。

• pix2pixHD

High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs

作者提出一种使用条件对抗生成网络(条件GAN)从语义标签图合成高分辨率的照片真实图像的新方法。

• Probalistic Unet

A Probabilistic U-Net for Segmentation of Ambiguous Images

作者提出一种生成模型，可以学习并生成给定输入的多种合理分割。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“遥感图像分割”获取全部论文PDF

码字不易，欢迎大家点赞评论收藏！