学习多弱监督约束下的深度语义分割网络，实现遥感图像跨域语义分割( Learning deep semantic segmentation network under multiple weakly-supervised constraints for cross-domain remote sensing image semantic segmentation )

Y Li T Shi Y Zhang W Chen H Li

跨域遥感图像语义分割弱监督转移不变约束弱监督伪标签约束弱监督旋转一致性约束DualGAN动态优化策略遥感图像语义分割由于其广泛的应用，近年来引起了越来越多的研究兴趣。深度语义分割网络(DSSN)凭借其分层抽象的能力，在遥感图像语义分割方面取得了巨大的成功，并逐渐成为主流技术。然而，DSSN的优良性能在很大程度上取决于两个条件：（一）存在大量的标记训练数据；(II)测试数据与训练数据严重相似。在实际的遥感应用中，由于遥感传感器的变化和不同地理位置景观的差异，很难完全满足这些条件。为了使DSSN更符合实际的遥感场景，本文提出了一种跨域遥感图像语义分割任务，即DSSN在一个有标记的数据集（即源域）上进行训练，但在另一个不同的数据集（即目标域）上进行测试。在这种情况下，由于源域和目标域之间的数据转移，DSSN的性能不可避免地受到很大的限制。为了减少数据漂移的不利影响，提出了一种新的多弱监督约束目标函数学习DSSN用于跨域遥感图像语义分割。通过仔细研究RS图像语义分割的特点，提出了多个弱监督约束，包括弱监督转移不变约束(WTIC)、弱监督伪标签约束(WPLC)和弱监督旋转一致性约束(WRCC)。具体来说，建议DualGAN在源域和目标域之间进行无监督的风格转移来执行WTIC。为了充分利用多约束的优点，提出了一种动态优化策略，在训练过程中动态调整目标函数的约束权值。本文充分考虑了跨域遥感图像语义分割任务的特点，给出了两种跨域遥感图像语义分割设置：地理位置变化和地理位置与成像方式同时变化。大量的实验表明，在这两种情况下，我们提出的方法都明显优于现有的方法。收集的数据集和评价基准已在网上公开提供（htt ps：//github.com/te-shi/mucss）。

SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate