Lovász-Softmax loss

AI框架使用弱监督声纳图像绘制海草栖息地

研究人员开发了一种弱监督语义分割框架，用于利用侧扫声纳图像绘制海草栖息地。该方法仅从图像级标签中学习像素级地图，采用基于 Vision Transformer (ViT) 的编码器-解码器和分类分支。该框架使用密集条件随机场和迭代自训练方案来优化伪标签，以处理类别不平衡和噪声。实验表明，Lovász-Softmax 损失函数最有效，模型在没有像素级标签的情况下达到了 87.6% 的 mIoU，而自监督预训练进一步提高了性能。