典型文献
遥感图像语义分割中的弱监督域自适应算法
文献摘要:
近年来,遥感图像的语义分割得到广泛应用.虽然基于深度学习的方法极大程度地提高了遥感图像的语义分割精度,但由于遥感图像的多样性(不同的地理位置、地形和天气条件)以及像素级标签的缺乏,该算法难以适用于跨多个域的任务.而若重新训练新的域则需要消耗大量人力资源来收集相应的像素级标签.为了解决这一跨域问题,基于对抗学习提出了一种目标域图像级标签已知的弱监督域自适应方法:利用图像级标签,提出多类域判别器,使目标域各个类别自适应地对齐到源域;为保持训练过程的平稳,一种基于熵值产生目标域像素级伪标签的方法被提出以监督特征提取器,提升模型表现.在ISPRS Vaihingen与ISPRS Potsdam数据集上的大量实验表明,改进后的算法优于其他遥感图像语义分割中的基于对抗学习域自适应算法.
文献关键词:
语义分割;遥感图像;地物分类;弱监督域自适应
中图分类号:
作者姓名:
丁一鹏;赵璐
作者机构:
中南大学 物理与电子学院,长沙 410083
文献出处:
引用格式:
[1]丁一鹏;赵璐-.遥感图像语义分割中的弱监督域自适应算法)[J].计算机工程与应用,2022(22):195-202
A类:
弱监督域自适应
B类:
遥感图像语义分割,自适应算法,割得,天气条件,像素级,新训,跨域,对抗学习,目标域,自适应方法,域判别器,对齐,源域,训练过程,伪标签,ISPRS,Vaihingen,Potsdam,地物分类
AB值:
0.258915
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。