A Dual-fusion Semantic Segmentation Framework With GAN For SAR Images

要約

深層学習ベースのセマンティックセグメンテーションは、リモートセンシング画像セグメンテーションで一般的な方法の1つです。
この論文では、広く使用されているエンコーダデコーダアーキテクチャに基づくネットワークを提案して、合成開口レーダー（SAR）画像のセグメンテーションを実現します。
光学画像のより良い表現能力により、我々は、多数のSARおよび光学画像によって訓練された生成的敵対ネットワーク（GAN）を介して生成された光学画像でSAR画像を強化することを提案する。
これらの光学画像は、元のSAR画像の拡張として使用できるため、セグメンテーションの堅牢な結果が保証されます。
次に、GANによって生成された光学画像が、対応する実像と一緒にステッチされます。
ステッチされたデータに続くアテンションモジュールは、オブジェクトの表現を強化するために使用されます。
実験は、私たちの方法が他の一般的に使用される方法と比較して効率的であることを示しています

要約(オリジナル)

Deep learning based semantic segmentation is one of the popular methods in remote sensing image segmentation. In this paper, a network based on the widely used encoderdecoder architecture is proposed to accomplish the synthetic aperture radar (SAR) images segmentation. With the better representation capability of optical images, we propose to enrich SAR images with generated optical images via the generative adversative network (GAN) trained by numerous SAR and optical images. These optical images can be used as expansions of original SAR images, thus ensuring robust result of segmentation. Then the optical images generated by the GAN are stitched together with the corresponding real images. An attention module following the stitched data is used to strengthen the representation of the objects. Experiments indicate that our method is efficient compared to other commonly used methods

arxiv情報

提供元, 利用サービス

arxiv.jp, Google