潦草标注与对抗学习:提升遥感图像道路提取的精准度
179 浏览量
更新于2024-06-17
收藏 4MB PDF 举报
"本文介绍了在遥感图像道路提取领域的一项研究,该研究采用了基于潦草标注和对抗学习的方法,称为WR2E(Weakly Supervised Remote Sensing Road Extraction Network)。研究中,作者面对的问题是道路提取的准确性受到复杂环境因素的影响,尤其是复杂的拓扑结构导致的不连续性。传统方法依赖于高成本的密集注释,而WR2E网络则利用潦草标注作为弱监督信号。
论文提出了一种道路三元图生成算法,该算法能够传播涂鸦标注的语义信息。WR2E网络包含两个核心模块:道路定位模块(RPM)和定向注意模块(OAM)。RPM旨在从全局视角定位道路的初步位置,而OAM利用图像的亲和力函数来引导高层次语义信息的传播,以提高道路边缘的定位精度。
实验结果显示,WR2E网络在结构平均值、自适应E测度、加权F测度、平均绝对误差、IoU(Intersection over Union)和F1-score等指标上均取得了优秀的表现,证明了该模型在遥感图像道路提取上的高效性和准确性。
此外,这项工作还强调了道路提取在诸如道路测绘、路况监测、变形检测以及灾害评估等实际应用中的重要性。遥感图像道路提取分为道路表面提取和道路中心线提取两个任务,每个都有其独特挑战。通过使用WR2E,研究人员期望能提高在这些任务中的自动化处理能力,降低对昂贵的人工注解的依赖。
最后,文章是在沙特国王大学学报发表的开放获取文章,遵循CCBY-NC-ND许可证,为其他研究者提供了可参考的理论和技术框架,推动了遥感图像分析领域的进步。"
2009-09-14 上传
2023-05-26 上传
2023-03-27 上传
2023-05-27 上传
2023-04-28 上传
2023-08-19 上传
2023-03-27 上传
2023-05-19 上传
2023-06-08 上传
cpongm
- 粉丝: 5
- 资源: 2万+
最新资源
- 磁性吸附笔筒设计创新,行业文档精选
- Java Swing实现的俄罗斯方块游戏代码分享
- 骨折生长的二维与三维模型比较分析
- 水彩花卉与羽毛无缝背景矢量素材
- 设计一种高效的袋料分离装置
- 探索4.20图包.zip的奥秘
- RabbitMQ 3.7.x延时消息交换插件安装与操作指南
- 解决NLTK下载停用词失败的问题
- 多系统平台的并行处理技术研究
- Jekyll项目实战:网页设计作业的入门练习
- discord.js v13按钮分页包实现教程与应用
- SpringBoot与Uniapp结合开发短视频APP实战教程
- Tensorflow学习笔记深度解析:人工智能实践指南
- 无服务器部署管理器:防止错误部署AWS帐户
- 医疗图标矢量素材合集:扁平风格16图标(PNG/EPS/PSD)
- 人工智能基础课程汇报PPT模板下载