DCP-Net: A Distributed Collaborative Perception Network for Remote Sensing Semantic Segmentation

要約

オンボードのインテリジェント処理は、リモート センシングの分野での緊急タスクに広く適用されています。
ただし、主に個々のプラットフォームに限定されており、観測範囲が限られており、干渉を受けやすいため、精度が制限されます。
マルチプラットフォームの共同観測の現状を考慮して、この記事では DCP-Net と呼ばれる分散型共同認識ネットワークを革新的に紹介します。
まず、提案された DCP-Net は、他のプラットフォームの機能を統合することで、メンバーの知覚パフォーマンスを向上させるのに役立ちます。
第二に、自己相互情報照合モジュールは、コラボレーションの機会を特定し、適切なパートナーを選択し、重要なコラボレーション機能を優先し、冗長な伝送コストを削減するために提案されています。
第三に、関連する機能融合モジュールは、ローカル機能と協調機能の間の不整合に対処するように設計されており、下流タスクの融合機能の品質を向上させます。
私たちは、Potsdam、iSAID、DFC23 を含む 3 つのセマンティック セグメンテーション データセットを使用して、広範な実験と視覚化分析を実施しています。
結果は、DCP-Net が既存の方法を総合的に上回り、最高のコラボレーション効率で mIoU を 2.61% ～ 16.89% 改善し、パフォーマンスを最先端のレベルに引き上げることを示しています。

要約(オリジナル)

Onboard intelligent processing is widely applied in emergency tasks in the field of remote sensing. However, it is predominantly confined to an individual platform with a limited observation range as well as susceptibility to interference, resulting in limited accuracy. Considering the current state of multi-platform collaborative observation, this article innovatively presents a distributed collaborative perception network called DCP-Net. Firstly, the proposed DCP-Net helps members to enhance perception performance by integrating features from other platforms. Secondly, a self-mutual information match module is proposed to identify collaboration opportunities and select suitable partners, prioritizing critical collaborative features and reducing redundant transmission cost. Thirdly, a related feature fusion module is designed to address the misalignment between local and collaborative features, improving the quality of fused features for the downstream task. We conduct extensive experiments and visualization analyses using three semantic segmentation datasets, including Potsdam, iSAID and DFC23. The results demonstrate that DCP-Net outperforms the existing methods comprehensively, improving mIoU by 2.61%~16.89% at the highest collaboration efficiency, which promotes the performance to a state-of-the-art level.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google