科研之友
微信
新浪微博
Facebook
分享链接
摘要
把全景分割技术应用于蕴含着复杂地物信息的遥感图像更能满足实际需求，但迄今全景分割模型大多采用不同的方式表征背景未定形区和前景实例对象，利用两个独立的网络分别实现语义和实例分割任务，导致需要融合操作。全景特征金字塔网络通过单一网络实现了联合任务，简化复杂操作，但其对实例对象中的小目标分割效果不够理想，边缘信息比较模糊。论文针对以上问题进行改进。首先，在不同大小的残差网络（ResNet50、ResNet101）上添加特征金字塔网络，改善多尺度的特征提取。然后在上采样时利用双线性插值法使得边缘信息更加清晰。最后，通过调整损失函数的权重，重新加权，得到具有更高全景质量的两个模型R50-FPN、R101-FPN。在COCO数据集上与全景质量为41.3%的OANet模型相比，模型R50-FPN、R101-FPN全景质量分别提高了0.2%和1.7%。此外，分别比较两模型在遥感图像和街景图像上的全景分割表现，实验表明两个模型在街景图像上的分割精度都更高。而模型R101-FPN相比于R50-FPN在边缘处理上更加精准，全景质量提高了1.5%。
- 单位
