图像分割论文:Boundary Loss for Remote Sensing Imagery semantic segmentation

图像分割论文:Boundary Loss for Remote Sensing Imagery semantic segmentation

Auther: Alexey Bokhovkin, Institution:Skoltech, Moscow, Publish year: 2019

论文地址：https://arxiv.org/abs/1905.07852v1

目前存在的问题：

• 对遥感地图进行分析时，对目标实例的分割，尤其是对目标边界的确定至关重要。但目前分割任务中广泛使用的loss function，例如BCE，IoU,Dice等，不会对边界的错误划分进行惩罚。

提出的改进方案：

• 提出了一种用于度量边界检测精度的loss function，可以适用于不同的网络，用于二分类任务

对比方案：

Fig1 用于对比的loss function

边界度量：

S^c_gt :class c的ground truth
S^c_pd :class c的predicited segmentation
B^c_gt，B^c_gt：它们各自的边界
测准和召回：

[[ ]]为逻辑表达式的指示符函数，d(.)为以像素为单位测量的欧几里得距离，θ是预设的阈值
边界F1度量：
BF^c₁=2P^cR^c/(P^c+R^c)

测试结果对比：

Fig2 (a) original image (b) ground truth © predicted by loss IoU (d) predicted by loss BF + IoU

总结：

提出了对图像分割的边界定义（数学表达，建立了相应的损失函数表达，将边界损失和常用分割损失函数相结合，可提高对目标边界的分割精度