一种应用于语义分割的新型亲和力监督方法

语义分割是计算机视觉领域一项基本且具有挑战性的任务,最近的语义分割研究工作,着力于设计注意力机制和全局性模块,而在注意力机制中,亲和力矩阵是非常重要的部份。传统的亲和力矩阵是以注意力机制的一部分嵌入在神经网络中,通常作为特征融合的权重来使用。尝试直接将亲和力矩阵应用于注意力机制之外,与语义标签联系起来。首先定义标签亲和力矩阵,再在语义分割网络输出层计算亲和力矩阵,将两个矩阵结合起来,得到一个辅助的惩罚函数。标签亲和力矩阵可以视为一种结构上的监督信息,能辅助训练语义分割网络。在NYUv2数据集上的实验结果表明,惩罚函数有助于提高语义分割网络的精度,并且效果显著。

一种高光谱图像加权稀疏子空间聚类算法

稀疏子空间在基于单稀疏表示系数构建相似矩阵的过程中,并没有充分利用高光谱图像丰富的光谱和空间信息。提出了一种基于弗雷歇距离的加权稀疏子空间聚类算法(FSSC)。该方法充分考虑了高光谱图像丰富的光谱信息以及光谱连续性,利用弗雷歇距离度量像素点光谱曲线间的相似度,并基于稀疏表示矩阵和相似度矩阵建立光谱加权稀疏子空间聚类模型,从而求解更真实的亲和力矩阵,以获得更高的地物分割精度。在两个经典的高光谱图像数据集上的实验结果表明了FSSC算法的有效性。