洪水事件期间航拍图像中实时语义分割网络的比较研究

SCI二区 IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, VOL. 16, 2023

本论文类型比较偏向文献综述

介绍

• 故事叙事 为什么需要在无人机上用语义分割？ 在无人机（UAV）上应用实时语义分割模型是为了增强对航空场景的势态感知，

• 技术叙事 提出目前Neck用于语义分割的卷积神经网络重量级架构和多尺度卷积提高了精度，但是效率低下，不能满足实时性的要求。然后提出实时语义分割方法主要分为编码器解码器架构 和 双通道架构

双通道架构由空间路径和上下文路径组成的双路径架构[96]。空间路径捕获输入图像的空间细节，上下文路径提取足够的感受野，这些感受野对高级语义上下文信息进行编码。这种双边结构同时合并空间和上下文信息以产生像素级预测。

• 研究困难 FloodNet 数据集上训练语义分割模型 [72]。在灾难性事件期间捕获的带注释的高分辨率无人机数据集并不丰富。然而，它们对于探索不利情况下的实时语义分割性能至关重要。

• 本文主要贡献 对两种类型的最新实时语义分割模型进行基准测试 1.编码器解码器网络：Unet、UNetFormer、HarDNet、SegFormer 2.双路径架构:BiSeNetV1/V2、DDRNet、PIDNet