一个多步融合网络用于高分辨率空中图像的语义细分
Yirong Yuan1, Jianyong Cui1, Yawen Liu1
1College of Oceanography and Space Informatics, China University of Petroleum (East China), Qingdao 266580, China.
Sensors (Basel, Switzerland)
|June 10, 2023
概括
这项研究引入了一种用于超高分辨率遥感图像语义细分的新型模型. 我们的方法通过整合本地,周围和全球图像细节来提高准确性,以获得精确的结果.
科学领域:
- 地理空间分析是什么?
- 计算机视觉 计算机视觉 计算机视觉
- 遥感是一种远程传感.
背景情况:
- 超高分辨率遥感图像的语义细分面临着准确性挑战.
- 现有的方法,如降低采样或裁剪,可能会忽略关键的本地或全球细节.
- 双分支结构容易受到全球图像处理的噪声的影响,从而降低了细分精度.
研究的目的:
- 开发一种用于实现超高精度语义细分的远程传感图像的新型模型.
- 克服现有方法在保存本地细节和全球背景方面的局限性.
- 为了提高高分辨率的地理空间数据的语义细分的准确性和可靠性.
主要方法:
- 一个拟议的模型包含三个分支:本地,周围和全球.
- 一个双层融合机制,以整合来自不同行业的信息.
- 低级聚变捕捉了高分辨率的微型结构;高级聚变从低样本输入中结合了全球背景.
主要成果:
- 在波茨坦和瓦欣根数据集 (ISPRS) 上进行了广泛的实验.
- 拟议的模型在语义细分任务中表现出极高的精度.
- 多分支和双层融合方法有效地保留了精细结构和上下文信息.
结论:
- 开发的模型在超高分辨率遥感图像语义细分方面取得了重大进展.
- 拟议的架构有效地解决了局部细节的保存和全球环境的利用之间的权衡.
- 这些发现表明,在复杂的遥感应用中,提高语义细分的准确性是一个有希望的方向.
