MineC2FNet: Apprendimento dal Grossolano al Fine per la Segmentazione delle Impronte Minerarie

I ricercatori propongono MineC2FNet, un framework di apprendimento incrementale di dominio dal grossolano al fine che sfrutta abbondanti dati di confine grossolani per migliorare la segmentazione fine delle impronte minerarie in immagini multispettrali. Il framework utilizza un'architettura insegnante-studente con distillazione attenta a livello di caratteristiche e previsioni, trasferendo selettivamente la conoscenza dai domini grossolani a quelli fini, consentendo al contempo il raffinamento dei confini con dati fini limitati. Viene introdotto un dataset di 219 immagini convalidato da esperti. Il lavoro affronta la scarsità di dati annotati finemente per il monitoraggio degli impatti socio-ambientali dell'attività mineraria.