超像素引导区域特征学习
一种专为土地覆盖分类设计的损失函数，通过三种子损失协同训练，能在不增加测试计算量的前提下，引导网络学习更准确的区域特征。
Zheng, Xianwei · Qiyuan, Ma · 宦麟茜 · Xie, Xiao · 熊汉江 · 龚健雅
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 2023
SARI 损失仅在训练时使用超像素，测试阶段直接输入整图，无需分割，因此不会产生锯齿或计算开销。
通过减少同质超像素内部和之间的特征方差，并增大异质超像素间的特征差异，SARI 损失引导网络学习更一致的区域特征。
设计语义超像素来辅助训练，克服普通超像素与语义标签冲突带来的训练噪声，尤其在物体边界处。