貴大新聞網(wǎng)訊（計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院）近日，貴州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院（貴州保密學(xué)院）張永軍團(tuán)隊(duì)在地球科學(xué)與遙感領(lǐng)域頂級(jí)國際期刊“IEEE Transactions on Geoscience and Remote Sensing”（JCR-1，中科院一區(qū)TOP期刊，世界遙感領(lǐng)域三大刊之一）上發(fā)表題為“Prior Information-Guided Semi-Supervised Semantic Segmentation of Remote Sensing Images”（PGNet）的學(xué)術(shù)論文。論文第一作者為2023級(jí)碩士研究生甘小容，張永軍老師為通訊作者。公共大數(shù)據(jù)國家重點(diǎn)實(shí)驗(yàn)室和貴州商學(xué)院為共同單位。

遙感圖像語義分割是提取遙感圖像信息的核心任務(wù)，對(duì)地圖繪制、災(zāi)害監(jiān)測(cè)、資源勘查等應(yīng)用至關(guān)重要。然而，現(xiàn)有監(jiān)督方法依賴大量標(biāo)注數(shù)據(jù)，標(biāo)注成本高且泛化能力有限，同時(shí)易受樣本特征多樣性影響，難以適配復(fù)雜的遙感場(chǎng)景。半監(jiān)督方法可以用來解決標(biāo)注成本高昂的問題，然而，由于遙感圖像本身類別分布不均衡、空間布局復(fù)雜的特性往往會(huì)導(dǎo)致大多數(shù)半監(jiān)督方法生成的偽標(biāo)簽不夠可靠。

針對(duì)這一問題，張永軍老師團(tuán)隊(duì)創(chuàng)新性地提出了一種“先驗(yàn)信息引導(dǎo)的半監(jiān)督遙感圖像語義分割框架”，考慮到SAM具有強(qiáng)大的零樣本泛化能力，因此可以利用SAM為遙感圖像引入邊緣先驗(yàn)知識(shí)和特征先驗(yàn)信息。為了將提取到的先驗(yàn)特征與語義特征更好地進(jìn)行融合，文章提出了先驗(yàn)特征指導(dǎo)模塊（PFGM），通過設(shè)計(jì)對(duì)稱交叉注意力機(jī)制保證對(duì)先驗(yàn)特征和語義特征的同等關(guān)注。通過這些設(shè)計(jì)，該方法顯著提升了半監(jiān)督學(xué)習(xí)在少量標(biāo)注數(shù)據(jù)下的分割精度。

在多個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)表明，PGNet中的先驗(yàn)特征指導(dǎo)模塊和先驗(yàn)邊緣提取模塊，可以顯著改善遙感圖像半監(jiān)督語義分割的性能。在ISPRS Vaihingen、ISPRS Potsdam及LoveDA三大權(quán)威遙感數(shù)據(jù)集上進(jìn)行了系統(tǒng)性驗(yàn)證，結(jié)果顯示：PGNet即使在標(biāo)注數(shù)據(jù)極少的情況下，在這些數(shù)據(jù)集上的mIoU指標(biāo)相較于國際領(lǐng)先算法分別提高了2.30%、6.06%和0.83%。尤其在密集建筑群、地物交錯(cuò)帶等復(fù)雜場(chǎng)景下的邊界分割準(zhǔn)確率顯著提高，為高分辨率遙感圖像的半監(jiān)督分割方法提供了新的解決方案。

編輯：張蟬

責(zé)編：李旭鋒

編審：丁龍