Instance segmentation in Remote Sensing

Mishov, Petar (author), Čehovin Zajc, Luka (mentor)

Instance segmentation in remote sensing imagery plays a crucial role in appli- cations such as urban planning, agriculture monitoring, and environmental management by enabling precise object-level analysis. Across all the chal- lenges in developing robust segmentation models for satellite imagery, the lack of well defined parcel borders is especially important, as it makes it dif- ficult to distinguish between individual fields or land plots accurately. Fur- thermore, this issue gets compounded by factors such as spectral diversity, limited labeled data, and variable imaging conditions, which further compli- cate model training and generalization. This thesis investigates instance seg- mentation on satellite imagery using the PASTIS benchmark dataset, which provides multi-temporal observations of agricultural fields. We borrow the idea from the field of microscopy analysis to predict pixel-wise gradient di- rections to guide Cellpose for instance mask reconstruction, complemented by parallel semantic segmentation to assign class labels at the instance level. Existing architectures such as U-Net and Set Transformer are adapted to effectively incorporate temporal sequences and the rich spectral information of the dataset.

• Language: English
• Keywords: computer vision, instance segmentation, remote sensing, machine learning
• Work type: Bachelor thesis/paper
• Typology: 2.11 - Undergraduate Thesis
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2025
• PID: 20.500.12556/RUL-172532
• COBISS.SI-ID: 249219075
• Publication date in RUL: 08.09.2025

Secondary language

• Language: Slovenian
• Title: Segmentacija primerkov v daljinskem zaznavanju

Abstract

Segmentacija struktur na slikah daljinskega zaznavanja ima ključno vlogo v aplikacijah, kot so urbanistično načrtovanje, spremljanje kmetijstva in up- ravljanje okolja, saj omogoča natančno analizo na ravni posameznih objek- tov. Med vsemi izzivi pri razvoju robustnih segmentacijskih modelov za satelitske posnetke je pomanjkanje dobro opredeljenih parcelnih mej še pose- bej pomembno, saj otežuje natančno razlikovanje med posameznimi polji ali zemljiškimi parcelami. Ta težava se še dodatno povečuje zaradi dejavnikov, kot so spektralna raznolikost, omejeni označeni podatki in spremenljivi pogoji snemanja, kar dodatno otežuje učenje modela in njegovo generalizacijo. Ta naloga raziskuje segmentacijo primerkov na satelitskih posnetkih z uporabo referenčne zbirke podatkov PASTIS, ki vsebuje veččasovna opazovanja kmeti- jskih polj. Idejo si sposodimo s področja mikroskopske analize za napove- dovanje smeri gradientov po pikslih, kar bo vodilo rekonstrukcijo maske primerka s Cellpose, dopolnjeno z vzporedno semantično segmentacijo za dodelitev oznak razredov na ravni primerka. Obstoječe arhitekture, kot sta U-Net in Set Transformer, so prilagojene za učinkovito vključevanje časovnih zaporedij in bogatih spektralnih informacij v zbirki podatkov.

• Keywords: umetno zaznavanje, segmentacija posameznih primerkov, daljinsko zaznavanje, strojno učenje