サインイン
インサイト - 火星探査
火星セマンティックセグメンテーションのための半教師あり学習
限られたラベル付きデータから、効果的な半教師あり学習フレームワークを提案することで、火星画像のセマンティックセグメンテーションを大幅に改善する。
火星表面セマンティックセグメンテーション:マルチレベル抽出器とコネクタを用いて
本論文は、火星表面の複雑な地形、類似した地表特徴、アノテーションデータの不足といった課題に取り組むため、エンコーダ-デコーダ型の火星セグメンテーションネットワークMarsSeg を提案する。MarsSeg は、ローカル詳細を保持するためにダウンサンプリング層を最小限に抑えたエンコーダ-デコーダ構造を採用し、エンコーダとデコーダの間にMini-ASPP、PSA、SPPMを含む特徴強化接続層を導入することで、影の多レベル特徴マップにわたる高レベルのセマンティック理解を促進する。
