期刊封面
JRS
中心度是目标检测、实例分割任务中一个重要概念，它通过提供预测结果的预测质量，综合预测结果的分类置信度，对预测结果进行重排序，进而提升最终的精度。然而，现有的几种中心度都无法为遥感地物目标分配正确的中心度值，导致它们在遥感实例分割中无法充分发挥中心度的作用。本文根据以上问题，提出了一种椭圆中心度，并通过充分的实验验证了椭圆中心度在遥感实例分割中的有效性。
文章亮点↓↓利用中心度评估预测结果的位置质量可提升算法精度，但现有的中心度不适用于遥感场景
本研究提出了一种适用于遥感场景的椭圆中心度，适用于各种形状的遥感地物目标，并在单阶段算法上验证了椭圆中心的有效性
通过实验验证了本文提出的椭圆中心度可以在与性能优越的算法保持相似的精度的同时，有着更快的处理速度
图1图片摘要
查看原文查看PDF01研究背景与思路遥感实例分割是一项重要且充满挑战性的任务，其旨在提取出遥感图像中各实例所占的像素，并区别出各个实例个体。当前主流的解决方法是借助自然场景的实例分割算法，来完成遥感实例分割的任务。然而，遥感图像有着自身的特点，其与自然场景的图像之间存在较大的差异，包括遥感地物目标尺度变化大，长宽比变化大，方向任意等。这些差异都会导致原先在自然场景中十分有效的模块达不到预期的效果，其中就包括一种质量评估指标——中心度。
中心度通过估计预测结果的质量，综合分类置信度，对预测结果进行重排序，从而缓解质量差的预测结果在后处理阶段由于排名靠前，而造成精度损失的问题。而遥感地物目标的各种特性，会导致现有的中心度无法为遥感地物目标定义合理的中心度值，从而使其无法为遥感实例分割算法带来预期的精度收益。
为了解决以上问题，本文提出了一种新的质量评估指标——椭圆中心度。椭圆中心度可以为错综复杂的遥感地物目标分配正确的中心度值，进而提升算法的性能。具体来说，椭圆中心度通过椭圆来拟合各种遥感地物的边缘，利用该拟合椭圆的位置和形状信息来定义二维各向异性高斯核，通过高斯核计算得到地物目标的中心度值，作为评价预测结果质量的指标。
02实验方法实例的边缘蕴含着很多的信息，而以边缘拟合出的椭圆则将这些信息进行了一个标准化的输出。通过这样拟合椭圆的形式，来为遥感地物实例分配中心度值，是一个更加泛化、稳定的解决方案，可以避免遇到现有的中心度在先前的分析中遇到的很多问题。本论文以此为思想，设计出了椭圆中心度。
给定一个掩膜标注，其边缘由N个点依次连接构成，通过这些边缘点可以拟合一个椭圆（如下图）。通过这个椭圆的各个参数，包括质心点位置，长短轴长度，旋转角度，可以得到该掩膜标注的归一化惯性矩阵。将这个归一化惯性矩阵运用在一个二维各向异性高斯方程函数（如下式）中，即可得到掩膜内部各个位置的椭圆中心度值。
图2椭圆拟合遥感实例示意图
通过可视化并通过热力图（如下图），可以直观地看出椭圆中心度相比于现有的两种中心度在处理遥感地物目标的优势。
图3不同中心度的可视化热力图
03重要数据结果对椭圆中心度、框中心度和极中心度三者的比较结果（如下表）。iSAID数据集中的15个地物类别被分成了四个部分，即大长宽比(largeaspectratio,lar)目标、复杂边缘(
转载请注明：http://www.0431gb208.com/sjszjzl/621.html
