Core Concepts
リモートセンシングセグメンテーションの課題を解決するために、空間情報を十分に活用し、周波数ドメイン情報も導入するSFFNetフレームワークを提案した。
Abstract
本論文は、リモートセンシングセグメンテーションの課題に取り組むために、SFFNetと呼ばれる新しいフレームワークを提案している。
SFFNetは2段階のネットワーク設計を採用している。
第1段階では、空間的な特徴を抽出し、十分な空間的詳細情報と意味情報を得る。
第2段階では、空間ドメインと周波数ドメインの両方の特徴をマッピングする。
周波数ドメインのマッピングでは、Wavelet Transform Feature Decomposer (WTFD)モジュールを導入し、ハールウェーブレット変換を使って低周波成分と高周波成分に分解し、空間特徴と統合する。
また、空間特徴と周波数特徴の意味的ギャップを埋め、特徴選択を促進するために、Multiscale Dual-Representation Alignment Filter (MDAF)を設計した。
これらの手法により、局所的および大域的な特徴に周波数ドメイン情報を追加し、特徴表現能力を向上させ、影、エッジ、テクスチャ変化の大きい領域などの課題に対処できるようになった。
実験結果から、提案手法SFFNetは既存手法と比較して優れたセグメンテーション精度を示すことが確認された。
Stats
影の領域では、従来手法のST-Unetに比べてSFFNetの方が優れたセグメンテーション結果を示している。
エッジ領域では、従来手法のST-Unetに比べてSFFNetの方が優れたセグメンテーション結果を示している。
テクスチャ変化の大きい領域では、従来手法のST-Unetに比べてSFFNetの方が優れたセグメンテーション結果を示している。
空間情報の欠如により、従来手法のXNetがクルマを2つに分割してしまうのに対し、SFFNetは改善を示している。