西安电子科技大学研究生院，西安电子科技大学研究生院官网
3月31日，2022IEEE GARSS数据融合竞赛组委会官方邮件发来喜报，西安电子科技大学人工智能学院获得遥感领域顶级会议——国际地球科学和遥感专题讨论会（IGARSS）官方赛事唯一的冠军奖项。学院本次组织了9支参赛队伍，由焦李成教授、刘芳教授、屈嵘教授、刘旭老师，团队博士生杨育婷、黄钟健、赵嘉璇、马彦彪、游超、耿雪莉、鲍骞月、刘洋等共同指导。冠军队伍“路小强、曹国金”应邀将于7月在马来西亚吉隆坡会议中心召开的2022年IEEE国际地球科学与遥感大会（简称IGARSS 2022）上进行成果汇报。本次竞赛由国家自然科学基金、中国人工智能学会-华为MindSpore学术奖励基金资助。
除冠军队伍外，由高子涵、马天植、何文鑫、程谊、王殊涵、陈翼飞、王佳豪、王浩、董倬君、杨骋远、宋欣燃、刘畅、孟畅、李东昊、苏婷、惠翌铭、张洁、邱灿、张乐、高樱嘉、李成辉、谭逍、李超等同学组成的其余队伍也在比赛中获得佳绩。据统计，参赛的九支队伍均进入排行榜前三十。其中，三支队伍跻身排行榜前十，六支队伍进入前二十。参赛队伍主要由2021级硕士研究生组成。团队坚持“以赛促学，以赛促教”理念对低年级硕士生进行培养，使得学生能够在竞赛中更快更好地学习到最新的专业知识，并且提高科研与专业实践能力。
针对本次2022 IEEE GARSS数据融合竞赛提出的多模态半监督语义分割数据集MF-DFC22，冠军队伍提出了基于主动学习的自适应像素重均衡自训练算法(Adaptive Pixel-Rebalancing Self-Training，APRST)。APRST分别采用SegFormer-B0、SeMask-FPN-Swin-B作为基础分割器，其训练过程分为两个阶段：第一阶段，利用少量的标记数据进行全监督训练，待模型收敛后分别初始化为教师模型以及学生模型；第二阶段，利用教师模型对未标记数据进行预测。
根据预测的置信度图，冠军队伍基于提出的伪召回率指标自适应地为每个类别分配阈值，低于阈值的像素点被忽略，这极大地缓解了伪标签中存在的严重类别不均衡问题，最后将经过强数据增强的未标记图像与其相应的伪标签联合标记数据对学生模型进行重训练。此阶段学生模型通过最小化教师与学生预测结果之间的均方误差实现一致性正则化，从而提升了模型的分割性能与泛化能力。
基于APRST，冠军队伍进一步提出了具有交叉伪监督的APRST+。APRST+基于提出的协同矫正方案提升了伪标签的质量以及多样性，这有效地缓解了学生模型中存在的确认偏差问题，并取得了最佳性能。对于MF-DFC22中额外提供的高程数据(DEM)，冠军队伍在模型输出端简单地利用DEM数据对预测结果进行阈值滤波就取得了很好的效果，优于多模态数据融合中常见的数据级通道堆叠方法以及特征级特征图融合方法。最后采用多尺度以及水平翻转预测来进行测试增强，并基于提出的像素级优先覆盖策略进行结果融合，取得了排行榜第一的成绩，最终精度为：0.5335。
2022IEEE GARSS数据融合竞赛的半监督学习挑战赛由IEEE地球科学与遥感学会的图像分析和数据融合技术委员会(IADF TC)，Bretagne-Sud大学，ONERA和ESA Φ-lab实验室组织，旨在促进土地覆被自动分类的创新，仅从由VHR RGB图像组成的部分标注训练数据。
竞赛使用的数据集为MiniFrance-DFC22 (MF-DFC22)，它是对MiniFrance数据集进行了扩展与修改并用于半监督语义分割的数据集。其中多模态 MF-DFC22数据中包含了法国地区19个大城市及其周围环境相对应的航空影像、高程模型和土地利用/土地覆被地图。它包括城市和乡村场景：住宅区，工业和商业区，还包括田野，森林，海岸和低山。
据了解，该校人工智能学院焦李成教授团队在遥感领域有着近30年的研究积累。近年来，智能学子在该大赛中亦屡次取得佳绩，累计获得冠、亚、季军近十项，获得的冠军奖项数达到了该赛事中国获冠军奖项数总数的一半以上。2021IEEE GARSS数据融合竞赛中，在焦李成教授、刘芳教授、屈嵘教授的指导下，“马彦彪、李钰鑫、冯可心”组成的队伍获得了数据融合竞赛无电居民区检测挑战赛赛道冠军。“冯若贤、王梦娇、张轩铭” 组成的队伍获得了同赛道季军。由“鲍骞月、刘洋、张紫霄”组成的队伍获得了数据融合竞赛多时段语义变化检测挑战赛赛道季军。（通讯员：西安电子科技大学杨育婷 王 丹）
西安电子科技大学研究生院(西安电子科技大学研究生院官网)
未经允许不得转载：考研培训网 » 西安电子科技大学研究生院(西安电子科技大学研究生院官网)
