SPSIS: Single-Point Supervised Instance Segmentation for Remote Sensing

Yinda Wang

doi:10.1109/JSTARS.2025.3616816

SPSIS: Single-Point Supervised Instance Segmentation for Remote Sensing

2025-01-01

0

OA

AI

DOI：10.1109/JSTARS.2025.3616816

原文链接

查看原文

摘要

En 中文

遥感实例分割是一项重要但困难的任务，因为需要大量精确的掩码标签。尽管现有的弱监督方法通过为每个对象使用多个点或边界框来减少标注需求，但它们仍然需要大量的人工标注成本。因此，我们提出了一种SPSIS模型，每个对象仅使用一个点来减少标注负担。首先利用分割任何模型（Segment Anything Model）的精炼掩码生成伪边界框，并在框内随机采样候选点。此外，我们提出了一种结合集成学习和标签传播算法的点分类方法来对采样点进行分类。最后，我们使用点损失函数，使基于掩码的实例分割模型能够有效适应点样本。我们在农业温室和WHU数据集上进行了大量实验，证明了SPSIS的优越性。此外，SPSIS显著降低了弱监督和全监督实例分割之间的精度差异。

Keyword:

Instance segmentation

point-supervised

segment anything model (SAM)

weakly supervised

SPSIS: Single-Point Supervised Instance Segmentation for Remote Sensing

摘要

AI总结

期刊

机构

引用论文