摘要
训练语义分割模型在遥感领域尤其耗费资源，因为大多数问题都需要新的数据集，因为目标数据会随着分辨率、传感器和地区的不同而变化。减少这种成本的方法越来越常见，但大多数方法都会使用模型自身的预测来将少量标记过的像素扩展成更稠密的训练数据，而这些预测无论是否正确在视觉上看都是相同的。本文的假设是，这些被标记为“正确”的错误像素实际上是最有价值的像素，人类可以通过直接观察图像来识别它们。我们提出了iSAGE（迭代稀疏注释引导框架，Iterative Sparse Annotation Guided by Expert）这一开源框架：注释者在预测结果上点击这些被标记为“错误”的像素，这些点击操作会在基于错误权重的损失函数下训练模型，更新后的模型会再次找出新的错误像素，整个过程中不进行任何自动的标签扩展。每次迭代每个类别每个帧最多只标记一个像素，iSAGE在BsB Aerial数据集上的表现达到了96.9%的准确率（从0.040%的像素中准确识别出了74.79%的样本），在ISPRS Vaihingen数据集上的表现与密集标注方法持平（76.65% vs 76.93%，不过iSAGE仅使用了0.011%的像素），比已发表的弱监督方法高出近4个mIoU百分点。四种自动选择策略的表现都在7.3到14.4个百分点之间，即使大幅增加这些策略的资源投入也无法缩小这一差距；在涉及35种方法的比较中，iSAGE是唯一一个不使用自动标签生成的迭代式人类参与框架。
