BriefGPT - AI 论文速递
·
利用拓扑学进行卫星和航空影像中领域自适应道路分割
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于拓扑感知的无监督领域自适应方法用于道路分割，通过预测道路骨架作为辅助任务来强制施加拓扑约束，并利用基于连通性的伪标签精化策略过滤噪声伪标签，避免出现孔洞和不连续性。实验表明，该方法在 IoU、F1 分数和 APLS 方面相较于现有的最先进方法有最少 6.6%、6.7% 和 9.8% 的较大增益。
🎯
关键要点
-
本研究提出了一种基于拓扑感知的无监督领域自适应方法用于道路分割。
-
通过预测道路骨架作为辅助任务来强制施加拓扑约束。
-
利用基于连通性的伪标签精化策略过滤噪声伪标签，避免出现孔洞和不连续性。
-
实验表明，该方法在 IoU、F1 分数和 APLS 方面相较于现有的最先进方法有最少 6.6%、6.7% 和 9.8% 的增益。
-
在 SpaceNet 到 DeepGlobe 的迁移场景上，该方法效果更为显著。
➡️
