Fusion of Heterogeneous Data in Convolutional Networks for Urban Semantic Labeling (Invited Paper)
Résumé
In this work, we present a novel module to perform fusion of heterogeneous data using fully convolutional networks for semantic labeling. We introduce residual correction as a way to learn how to fuse predictions coming out of a dual stream architecture. Especially, we perform fusion of DSM and IRRG optical data on the ISPRS Vaihingen dataset over a urban area and obtain new state-of-the-art results.
Fichier principal
audebert_lesaux_lefevre_data_fusion_for_urban_remote_sensing.pdf (661.45 Ko)
Télécharger le fichier
correct_network.pdf (17.69 Ko)
Télécharger le fichier
dual_segnet_fusion.pdf (13.4 Ko)
Télécharger le fichier
dual_segnet_sum.pdf (10.47 Ko)
Télécharger le fichier
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|