1 概要

随着遥感技术的发展，大量的高空间分辨率(HSR)图像可以获得，这使得精细的土地覆盖测绘成为可能。然而，HSR图像中的地面物体的细节是复杂的，特别是在边缘，因此给遥感分类带来了新的挑战。现有的深度学习方法将其视为一种基于完全卷积网络(FCN)的语义分割任务，而不考虑复杂的细节识别。在本篇博文中，通过使用pointrend来解决这个问题，特别是设计不确定点选择是为了在ResNet编码器的末端寻找最不确定的细节。根据这些点，编码器中的粗特征和细特征被融合，然后是一个多层感知器(MLP)进行重分类并在粗预测结果中进行替换，从而获取精细的预测结果。