遥感论文 | Arxiv | 提出了RSC数据集，用于研究语义分割模型将空间上下文信息纳入预测的能力

文章预览

论文题目： SEEING THE ROADS THROUGH THE TREES: A BENCHMARK FOR MODELING SPATIAL DEPENDENCIES WITH AERIAL IMAGERY 论文链接： https://arxiv.org/pdf/2401.06762.pdf 论文代码： https://github.com/isaaccorley/ChesapeakeRSC 发表时间： 2024.1.12 摘要 本文提出了一个道路分割基准数据集， Chesapeake Roads Spatial Context（RSC） ，用于评估地理空间机器学习模型的空间长范围上下文理解，并展示了常用的语义分割模型在这一任务上可能失败的情况。 进一步分析了随着决策的相关上下文（在我们的案例中为未遮挡的道路）在距离上变化时模型性能的变化。 背景 如果一个人观察到一个航空场景，其中的 道路被树冠分隔开 ，那么他们不太可能得出结论道路实际上被树木分隔成不连续的部分，而是会认为附近树木的树冠遮挡了道路。 然而，目前对现代机器学习模型长范围上下文理解的研究有限。 方法 Che ………………………………