FastICENet：一种用于航空遥感河流冰图像的实时精确语义分割模型

摘要

河流冰语义分割是一项关键任务，它可以为我们提供河流监测、灾害预测和交通管理所需的信息。以往的工作主要集中在提高准确性上，但对于实际应用而言，效率也同样重要。在本文中，我们提出了一种实时且准确的河流冰语义分割网络，命名为FastICENet。该网络架构主要由两个分支组成，即一个浅层高分辨率空间分支和一个深层上下文语义分支，这两个分支都是为了应对遥感图像中河流冰的尺度多样性和不规则形状而精心设计的。然后，在上下文分支中采用了基于轻量级Ghost模块的新型下采样模块和密集连接块，以降低计算成本。此外，还采用了一种可学习的上采样策略DUpsampling来替代常用的双线性插值，以提高分割精度。我们在三个公开可用的数据集（NWPU_YRCC_EX、NWPU_YRCC2和Alberta River Ice Segmentation Dataset）上进行了详细的实验。实验结果表明，我们的方法在与竞争方法相比时达到了最先进的性能。在NWPU_YRCC_EX数据集上，我们的分割速度可以达到90.84FPS，分割精度可以达到$90.770\%$