MarsSeg: Mars Surface Semantic Segmentation with Multi-level Extractor and Connector

要約

火星表面のセグメンテーションと解釈は火星探査において極めて重要な役割を果たし、探査機の軌道計画と障害物回避に不可欠なデータを提供します。
しかし、複雑な地形、同様の表面の特徴、および大量の注釈付きデータの欠如により、火星の表面の高精度のセマンティック セグメンテーションには大きな課題が生じています。
これらの課題に対処するために、我々は、MarsSeg と呼ばれる新しいエンコーダ/デコーダ ベースの火星セグメンテーション ネットワークを提案します。
具体的には、ダウンサンプリング層の数を最小限に抑えたエンコーダ/デコーダ構造を採用して、局所的な詳細を保持します。
シャドウ マルチレベル特徴マップ全体にわたる高レベルの意味の理解を容易にするために、エンコーダーとデコーダーの間に位置する機能拡張接続層を導入します。
この層には、Mini Atrous Spatial Pyramid Pooling (Mini-ASPP)、Polarized Self-Attendee (PSA)、および Strip Pyramid Pooling Module (SPPM) が組み込まれています。
Mini-ASPP と PSA は、特に影の特徴を強化するように設計されているため、局所的な詳細や小さなオブジェクトの表現が可能になります。
逆に、SPPM は詳細な機能強化に使用され、高レベルの意味カテゴリ関連情報の抽出を容易にします。
Mars-Seg および AI4Mars データセットから得られた実験結果は、提案された MarsSeg がセグメンテーション パフォーマンスにおいて他の最先端の方法よりも優れていることを実証し、提案された各コンポーネントの有効性を検証します。

要約(オリジナル)

The segmentation and interpretation of the Martian surface play a pivotal role in Mars exploration, providing essential data for the trajectory planning and obstacle avoidance of rovers. However, the complex topography, similar surface features, and the lack of extensive annotated data pose significant challenges to the high-precision semantic segmentation of the Martian surface. To address these challenges, we propose a novel encoder-decoder based Mars segmentation network, termed MarsSeg. Specifically, we employ an encoder-decoder structure with a minimized number of down-sampling layers to preserve local details. To facilitate a high-level semantic understanding across the shadow multi-level feature maps, we introduce a feature enhancement connection layer situated between the encoder and decoder. This layer incorporates Mini Atrous Spatial Pyramid Pooling (Mini-ASPP), Polarized Self-Attention (PSA), and Strip Pyramid Pooling Module (SPPM). The Mini-ASPP and PSA are specifically designed for shadow feature enhancement, thereby enabling the expression of local details and small objects. Conversely, the SPPM is employed for deep feature enhancement, facilitating the extraction of high-level semantic category-related information. Experimental results derived from the Mars-Seg and AI4Mars datasets substantiate that the proposed MarsSeg outperforms other state-of-the-art methods in segmentation performance, validating the efficacy of each proposed component.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google