USIS-SAM

新方法融合监督和自监督学习以实现精确海藻分割

研究人员开发了一种新颖的两阶段方法，用于分割水下图像中的海藻，这对于蓝碳量化和海洋生态系统监测至关重要。该方法结合了监督学习和自监督学习，以克服水下图像中常见的数据稀缺和域差距问题。该技术首先使用监督学习来获取初始类别信息和近似位置，然后指导自监督学习进行详细分割，最后使用MaskFusion进行高度精确的实例分割进行精炼。与现有方法相比，该方法在平均交并比（mIoU）方面表现出显著的改进，特别是对于较小的海藻实例。