論文の概要: Leveraging Topology for Domain Adaptive Road Segmentation in Satellite and Aerial Imagery

• arxiv url: http://arxiv.org/abs/2309.15625v1
• Date: Wed, 27 Sep 2023 12:50:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 13:43:40.942281
• Title: Leveraging Topology for Domain Adaptive Road Segmentation in Satellite and Aerial Imagery
• Title（参考訳）: 衛星画像と空中画像における領域適応道路セグメンテーションのためのトポロジーの活用
• Authors: Javed Iqbal, Aliza Masood, Waqas Sultani, Mohsen Ali
• Abstract要約: 道路分割アルゴリズムは、新しい地理的位置への一般化に失敗する。 道路骨格は、トポロジカルな制約を課す補助的なタスクである。 自己学習のために、接続性に基づく擬似ラベル改善戦略を用いて、ノイズの多い擬似ラベルをフィルタリングする。
• 参考スコア（独自算出の注目度）: 9.23555285827483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Getting precise aspects of road through segmentation from remote sensing imagery is useful for many real-world applications such as autonomous vehicles, urban development and planning, and achieving sustainable development goals. Roads are only a small part of the image, and their appearance, type, width, elevation, directions, etc. exhibit large variations across geographical areas. Furthermore, due to differences in urbanization styles, planning, and the natural environments; regions along the roads vary significantly. Due to these variations among the train and test domains, the road segmentation algorithms fail to generalize to new geographical locations. Unlike the generic domain alignment scenarios, road segmentation has no scene structure, and generic domain adaptation methods are unable to enforce topological properties like continuity, connectivity, smoothness, etc., thus resulting in degraded domain alignment. In this work, we propose a topology-aware unsupervised domain adaptation approach for road segmentation in remote sensing imagery. Specifically, we predict road skeleton, an auxiliary task to impose the topological constraints. To enforce consistent predictions of road and skeleton, especially in the unlabeled target domain, the conformity loss is defined across the skeleton prediction head and the road-segmentation head. Furthermore, for self-training, we filter out the noisy pseudo-labels by using a connectivity-based pseudo-labels refinement strategy, on both road and skeleton segmentation heads, thus avoiding holes and discontinuities. Extensive experiments on the benchmark datasets show the effectiveness of the proposed approach compared to existing state-of-the-art methods. Specifically, for SpaceNet to DeepGlobe adaptation, the proposed approach outperforms the competing methods by a minimum margin of 6.6%, 6.7%, and 9.8% in IoU, F1-score, and APLS, respectively.
• Abstract（参考訳）: リモートセンシング画像からのセグメンテーションを通じて道路を正確に把握することは、自動運転車や都市開発や計画、持続可能な開発目標達成など、多くの現実世界のアプリケーションにとって有用である。 道路は画像のごく一部に過ぎず、外観、種類、幅、標高、方向等は地理的な地域によって大きく異なる。 さらに、都市化様式、都市計画、自然環境の相違により、道路沿いの地域は様々である。 列車とテスト領域の違いにより、道路分割アルゴリズムは新たな地理的位置への一般化に失敗する。 一般的なドメインアライメントのシナリオとは異なり、道路セグメンテーションにはシーン構造がなく、一般的なドメインアライメント手法は連続性、接続性、滑らか性などのトポロジ的特性を強制できないため、ドメインアライメントが劣化する。 本研究では,リモートセンシング画像における道路セグメンテーションに対するトポロジーを考慮した非教師なし領域適応手法を提案する。 具体的には,地形制約を課す補助課題である道路骨格を予測する。 特にラベルのない対象領域において、道路及び骨格の一貫した予測を強制するため、骨格予測ヘッドと路面セグメンテーションヘッドとで適合性損失が定義される。 さらに,道路と骨格のセグメンテーションヘッド上で,接続性に基づく擬似ラベル改善戦略を用いて,ノイズの多い擬似ラベルをフィルタリングし,穴や不連続を回避する。 ベンチマークデータセットに関する広範な実験は、既存の最先端手法と比較して提案手法の有効性を示している。 具体的には、SpaceNetからDeepGlobeへの適応において、提案されたアプローチは、IoU、F1スコア、APLSでそれぞれ6.6%、6.7%、9.8%の最小マージンで競合する手法を上回っている。

関連論文リスト

• Multi-level Domain Adaptation for Lane Detection [16.697940571230266]
  本稿では,3つのピクセル,例,カテゴリのセマンティックレベルにおいて,クロスドメインレーン検出を扱うための新しい視点を提案する。 特に画素レベルでは,車線と背景の不均衡な信頼分布に対処するために,自己学習にクラス間信頼制約を適用することを提案する。 カテゴリレベルでは,適応時の車線前位置を利用する適応型ドメイン間埋め込みモジュールを提案する。
  論文  参考訳（メタデータ） (2022-06-21T19:20:11Z)
• Domain Adaptive Semantic Segmentation with Regional Contrastive Consistency Regularization [19.279884432843822]
  本稿では,領域適応型セマンティックセマンティックセグメンテーションのための局所コントラスト整合正規化(RCCR)と呼ばれる,新しいエンドツーエンドのトレーニング可能なアプローチを提案する。 私たちの中核となる考え方は、異なる画像の同じ位置から抽出された類似の地域的特徴を取り除き、その一方、2つの画像の異なる位置から特徴を分離することです。
  論文  参考訳（メタデータ） (2021-10-11T11:45:00Z)
• Stagewise Unsupervised Domain Adaptation with Adversarial Self-Training for Road Segmentation of Remote Sensing Images [93.50240389540252]
  リモートセンシング画像からの道路セグメンテーションは、幅広い応用可能性を持つ課題である。 本稿では,この領域における領域シフト(DS)問題に対処するため,RoadDAと呼ばれる新たな段階的ドメイン適応モデルを提案する。 2つのベンチマーク実験の結果、RoadDAはドメインギャップを効率的に減らし、最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-08-28T09:29:14Z)
• Domain Adaptation for Semantic Segmentation via Patch-Wise Contrastive Learning [62.7588467386166]
  ドメイン間で構造的に類似するラベルパッチの機能を調整することで、ドメインギャップを埋めるためにコントラスト学習を利用する。 私たちのアプローチは、常に2つの困難なドメイン適応セグメンテーションタスクにおいて、最先端の非監視および半監督メソッドを上回ります。
  論文  参考訳（メタデータ） (2021-04-22T13:39:12Z)
• Latent Space Regularization for Unsupervised Domain Adaptation in Semantic Segmentation [14.050836886292869]
  セマンティックセグメンテーションにおけるドメインの不一致を減らすために、機能レベルの空間形成正規化戦略を紹介します。 このような手法の有効性を自律運転環境で検証する。
  論文  参考訳（メタデータ） (2021-04-06T16:07:22Z)
• GANav: Group-wise Attention Network for Classifying Navigable Regions in Unstructured Outdoor Environments [54.21959527308051]
  本稿では,RGB画像から,オフロード地形および非構造環境における安全かつ航行可能な領域を識別する新しい学習手法を提案する。 本手法は,粒度の粗いセマンティックセグメンテーションを用いて,そのナビビリティレベルに基づいて地形分類群を分類する。 RUGD と RELLIS-3D のデータセットを広範囲に評価することにより,我々の学習アルゴリズムがナビゲーションのためのオフロード地形における視覚知覚の精度を向上させることを示す。
  論文  参考訳（メタデータ） (2021-03-07T02:16:24Z)
• Pixel-Level Cycle Association: A New Perspective for Domain Adaptive Semantic Segmentation [169.82760468633236]
  本稿では,ソースとターゲットの画素ペア間の画素レベルサイクルの関連性を構築することを提案する。 我々の手法は1段階のエンドツーエンドで訓練でき、追加のパラメータは導入しない。
  論文  参考訳（メタデータ） (2020-10-31T00:11:36Z)
• Affinity Space Adaptation for Semantic Segmentation Across Domains [57.31113934195595]
  本稿では,意味的セグメンテーションにおける教師なしドメイン適応(UDA)の問題に対処する。 ソースドメインとターゲットドメインが不変なセマンティック構造を持つという事実に触発され、ドメイン間におけるそのような不変性を活用することを提案する。 親和性空間適応戦略として,親和性空間の洗浄と親和性空間アライメントという2つの方法を開発した。
  論文  参考訳（メタデータ） (2020-09-26T10:28:11Z)
• Channel-wise Alignment for Adaptive Object Detection [66.76486843397267]
  遺伝的物体検出は、ディープ畳み込みニューラルネットワークの開発によって大いに促進されている。 このタスクの既存の方法は、通常、画像全体や関心の対象に基づいて、ハイレベルなアライメントに注意を向ける。 本稿では,チャネルワイドアライメント(チャネルワイドアライメント)という,まったく異なる観点からの適応を実現する。
  論文  参考訳（メタデータ） (2020-09-07T02:42:18Z)
• Contextual-Relation Consistent Domain Adaptation for Semantic Segmentation [44.19436340246248]
  本稿では,革新的局所文脈相関整合ドメイン適応手法を提案する。 グローバルレベルのアライメントにおいて、地域レベルのコンピテンシーを達成することを目的としている。 実験では, 最先端手法と比較して, セグメンテーション性能が優れていることを示した。
  論文  参考訳（メタデータ） (2020-07-05T19:00:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。