休息:整体学习为整个场景遥感图像的端到端语义细分

科学领域:

• 计算机视觉 计算机视觉
• 遥感 遥感 遥感 遥感
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 遥感图像 (RSI) 的语义细分对于像素级别的分类至关重要.
• 大规模的全场景RSI (WRI) 对传统的深度学习模型构成记忆挑战,导致低于最佳的裁剪或融合策略.
• 由于GPU内存限制,当处理大规模WRI时,现有的方法往往会降低性能.

研究的目的:

• 引入强大的端到端语义细分 (REST),这是首个本质上是整体WRI细分的端到端框架.
• 克服GPU内存的限制,以实现高效和有效的WRI处理.
• 为各种WRI细分任务提供通用和强大的解决方案.

主要方法:

• 开发了强大的端到端语义分割 (REST) 架构,用于整体的WRI分割.
• 提出了一种新的空间并行交互机制 (SPIM),以解决GPU内存限制并实现全球上下文意识.
• 设计REST作为一个兼容各种编码器,解码器和基础模型的插入式框架.

主要成果:

• REST能够实现WRI的真正整体细分,优于基于作物和基于融合的方法.
• 空间并行交互机制 (SPIM) 有效地克服了GPU内存的限制.
• 通过额外的GPU,REST展示了近线性吞吐量可扩展性,并在各种场景 (单/多类,多光谱/超光谱,卫星/无人机) 中实现一致的性能.

结论:

• REST提供了一种强大而通用的解决方案,用于整场景遥感图像的整体细分.
• 该框架的plug-and-play性质和高效的处理机制为高级WRI分析铺平了道路.
• REST显示了扩展到其他大尺寸图像细分任务的潜力,例如医学成像.