相关实验视频
Updated: Jul 21, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
442
城市场景细分模型基于多个尺度的混合特征
Wenjuan Gu1, Hongcheng Wang1, Xiaobao Liu1
1Faculty of Mechanical & Electrical Engineering, Kunming University of Science & Technology, Kunming, 650500, China.
Mathematical biosciences and engineering : MBE
|July 28, 2023
概括
这项研究引入了一种新的多尺度特征混合模型,用于准确的城市场景细分. 这种先进的模型改善了土地类别的监测,以改善城市规划和资源管理.
科学领域:
- 遥感 遥感 遥感 遥感
- 城市规划 城市规划
- 计算机视觉 计算机视觉
背景情况:
- 有效的城市土地类别监测对于资源管理和规划至关重要.
- 城市遥感面临着不均的包裹分布,特征提取困难和信息丢失等挑战.
研究的目的:
- 提出一个多尺度的特征混合城市场景细分模型.
- 提高城市场景细分的准确性和完整性,以改善土地管理.
主要方法:
- 使用BlurPool的深度卷积编码器解码器网络来解决翻译不变性.
- 集成GSSConv和SE模块以改善信息交互和过冗余数据.
- 应用了多层次的注意力,以整合边界和全球上下文信息,以便更清晰地提取特征.
主要成果:
- 拟议的模型在BDCI2017数据集上实现了高性能.
- 获得的分数为83.1% (OA),71.0% (mIoU),82.7% (mRecall),82.7% (P) 和82.5% (Dice) 的分数.
- 在关键指标上表现优于几个已建立的细分网络.
结论:
- 多级特征混合模型显著提高了城市场景细分的准确性和完整性.
- 这一进步有助于理解城市发展,并为未来的规划策略提供信息.
