基于深度學習的遙感圖像分割技術在土地丈量、森率覆蓋率調查等國民項目中有重要應用，同時也是一直以來熱門方向。

今天學姐收集了20多篇相關論文，從網(wǎng)絡架構、RNN、GANS三個方向和大家做分享，相信學姐，都是必讀論文！

掃碼添加小享，回復“遙感圖像分割”

免費獲取全部論文PDF

各架構網(wǎng)絡

語義分割

• SegNet

SegNet:一種用于圖像分割的深度卷積編碼器-解碼器結構

本文提出了一種用于像素級語義分割的深度全卷積神經(jīng)網(wǎng)絡結構SegNet。

• DeepLab

DeepLab:使用深度卷積網(wǎng)絡、膨脹卷積和完全連接的CRF進行語義圖像分割

本文用Deep解決了語義圖像分割的任務，提出的三個主要貢獻在實驗中被證明在實際應用中具有重大價值。

• FCN

全卷積網(wǎng)絡用于語義分割

作者證明卷積網(wǎng)絡通過端到端訓練可以實現(xiàn)像素到像素的映射，實驗結果超過當時語義分割領域的最新技術。

• ENet

ENet:一種用于實時語義分割的深度神經(jīng)網(wǎng)絡架構

作者提出了一種全新且高效的深度神經(jīng)網(wǎng)絡架構ENet，專門用于需要低延遲操作的任務。

• LinkNet

LinkNet:利用編碼器表示進行高效語義分割

作者提出一種新的深度神經(jīng)網(wǎng)絡架構LinkNet，可以在不顯著增加參數(shù)數(shù)量的情況下進行學習。

• DenseNet

100層提拉米蘇:用于語義分割的全卷積DenseNets

作者將DenseNets擴展到語義分割任務，在CamVid和Gatech數(shù)據(jù)集上實現(xiàn)了當時最先進的結果。

• DilatedNet

通過膨脹卷積進行多尺度上下文聚合

作者開發(fā)了一種新的卷積網(wǎng)絡模塊DilatedNet，專門用于密集預測，該模塊使用膨脹卷積系統(tǒng)地聚合多尺度上下文信息而不損失分辨率。

• PixelNet

PixelNet:邁向通用的像素級架構

作者提出一種統(tǒng)一的預測網(wǎng)絡架構，可以應用于各種像素級預測任務，且其性能優(yōu)于或 comparable 于專門為某一任務設計的網(wǎng)絡，而無需上下文后處理。

掃碼添加小享，回復“遙感圖像分割”?

免費獲取全部論文PDF

實例感知分割

• FCIS

全卷積實例級語義分割

作者提出了第一種端到端實例分割全卷積方法FCIS，繼承了FCN在語義分割和實例分割掩碼建議中的所有優(yōu)點。

• MNS

通過多任務網(wǎng)絡級聯(lián)實現(xiàn)實例級語義分割

作者提出了一種多任務級聯(lián)網(wǎng)絡，實現(xiàn)實例級語義分割，該方法快速高效且效果最優(yōu)。

• DeepMask

學習進行物體候選分割

作者提出一種基于判別式卷積網(wǎng)絡的對象建議生成方法，該方法在生成對象掩模和對象可能性得分方面顯著優(yōu)于當時最新技術。

• SharpMask

學習進行物體分割的精煉

作者提出一種上下文精細化方法來增強目標分割的前饋網(wǎng)絡，該方法能高效生成高保真度的目標遮罩。

• Mask-RCNN

Mask R-CNN

作者提出了Mask R-CNN，一種簡單、靈活且通用的目標實例分割框架，它可以高效檢測圖像中的對象，同時為每個實例生成高質量的分割掩碼。

• RIS

循環(huán)實例分割

作者提出一種端到端的實例分割方法，該方法基于遞歸神經(jīng)網(wǎng)絡，可以依次找到圖像中的對象及其分割結果。

• FastMask

FastMask:一次獲取多尺度物體候選分割

作者提出了一種新的片段建議框架FastMask，它利用深度卷積神經(jīng)網(wǎng)絡中的層次特征一次性分割不同尺度的物體。

• BlitzNet

BlitzNet:一個用于場景理解的實時深度網(wǎng)絡

作者提出了一種名為BlitzNet的深度體系結構，可以在一次前向傳遞中同時執(zhí)行物體檢測和語義分割，實現(xiàn)實時計算。

弱監(jiān)督分割

• SEC

種子生成、擴展與約束:弱監(jiān)督圖像分割的三大原則

作者提出一種新的弱監(jiān)督語義圖像分割的損失函數(shù),可以顯著提高分割效果。

RNN

• ReNet

ReNet: A Recurrent Neural Network Based Alternative to Convolutional Networks

作者提出了一種基于遞歸神經(jīng)網(wǎng)絡的物體識別深度神經(jīng)網(wǎng)絡體系結構ReNet。

• ReSeg

ReSeg: A Recurrent Neural Network-based Model for Semantic Segmentation

作者提出了一種結構化預測體系結構ReSeg，它利用卷積神經(jīng)網(wǎng)絡提取的局部通用特征和遞歸神經(jīng)網(wǎng)絡檢索遠距離依賴關系的能力。

• CRF-RNN

Conditional Random Fields as Recurrent Neural Networks

作者提出了一種新的卷積神經(jīng)網(wǎng)絡CRF-RNN，它結合了卷積神經(jīng)網(wǎng)絡和條件隨機場的優(yōu)點，用于語義圖像分割，在Pascal VOC 2012分割基準測試中獲得了最好的結果。

GANS

• pix2pix

Image-to-Image Translation with Conditional Adversarial Networks

作者提出條件對抗網(wǎng)絡作為圖像到圖像轉換問題的通用解決方案,它可以學會損失函數(shù)和映射,應用于許多任務。

• pix2pixHD

High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs

作者提出一種使用條件對抗生成網(wǎng)絡(條件GAN)從語義標簽圖合成高分辨率的照片真實圖像的新方法。

• Probalistic Unet

A Probabilistic U-Net for Segmentation of Ambiguous Images

作者提出一種生成模型，可以學習并生成給定輸入的多種合理分割。

掃碼添加小享，回復“遙感圖像分割”?

免費獲取全部論文PDF