Weakly supervised semantic segmentation for remote sensing hyperspectral imaging
Visualitza/Obre
09053384.pdf (2,860Mb) (Accés restringit)
Sol·licita una còpia a l'autor
Què és aquest botó?
Aquest botó permet demanar una còpia d'un document restringit a l'autor. Es mostra quan:
- Disposem del correu electrònic de l'autor
- El document té una mida inferior a 20 Mb
- Es tracta d'un document d'accés restringit per decisió de l'autor o d'un document d'accés restringit per política de l'editorial
10.1109/ICASSP40776.2020.9053384
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/192482
Tipus de documentComunicació de congrés
Data publicació2020
EditorInstitute of Electrical and Electronics Engineers (IEEE)
Condicions d'accésAccés restringit per política de l'editorial
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
ProjecteBigEarth - Accurate and Scalable Processing of Big Data in Earth Observation (EC-H2020-759764)
Abstract
This paper studies the problem of training a semantic segmentation neural network with weak annotations, in order to be applied in aerial vegetation images from Teide National Park. It proposes a Deep Seeded Region Growing system which consists on training a semantic segmentation network from a set of seeds generated by a Support Vector Machine. A region growing algorithm module is applied to the seeds to progressively increase the pixel-level supervision. The proposed method performs better than an SVM, which is one of the most popular segmentation tools in remote sensing image applications.
CitacióMoliner, E.; Salgueiro, L.; Vilaplana, V. Weakly supervised semantic segmentation for remote sensing hyperspectral imaging. A: IEEE International Conference on Acoustics, Speech, and Signal Processing. "2020 IEEE International Conference on Acoustics, Speech,and Signal Processing: proceedings: May 4-8, 2020: Centre de Convencions Internacional de Barcelona (CCIB) Barcelona, Spain". Institute of Electrical and Electronics Engineers (IEEE), 2020, p. 2273-2277.
ISBN978-1-5090-6632-2
Versió de l'editorhttps://ieeexplore.ieee.org/document/9053384
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
09053384.pdf | 2,860Mb | Accés restringit |