Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jan 12, 2026

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

731

单源域缺陷意识适应和风格调节的泛化网络,用于多光谱图像细分.

Wei Li, Boyu Zhao, Mengmeng Zhang

    IEEE transactions on cybernetics
    |October 31, 2025
    PubMed
    概括

    本研究介绍了SDSnet用于多谱遥感图像细分,通过缺陷意识即时学习和风格概括克服数据限制. 与现有方法相比,它实现了更高的性能.

    相关概念视频

    您也可能阅读

    相关文章

    通过共同作者、期刊和引用图与本文相关的文章。

    排序
    Same author

    Research progress, translation-related challenges, and clinical prospects of surface-enhanced Raman spectroscopy in respiratory virus detection: a narrative review.

    Journal of thoracic disease·2026
    Same author

    Research on risk assessment method of wireline logging sticking and analysis of sensitive factors.

    Scientific reports·2026
    Same author

    BSMT1, SABP3, and MAT2 assemble into a ternary complex vital for methyl salicylate biosynthesis and airborne defense.

    Molecular plant·2026
    Same author

    Combination of ALA-PDT and intracavitary triamcinolone acetonide lavage for perifolliculitis capitis abscedens et suffodiens: A case series.

    Photodiagnosis and photodynamic therapy·2026
    Same author

    Alliance: All-in-One Spectral-Spatial-Frequency Awareness Foundation Model.

    IEEE transactions on pattern analysis and machine intelligence·2025
    Same author

    Green solvent-processed n-type fluorinated salt/single-walled carbon nanotube film with high performance for multifunctional wearable thermoelectric devices.

    Journal of colloid and interface science·2025

    科学领域:

    • 计算机科学 计算机科学
    • 遥感 遥感 遥感 遥感
    • 人工智能的人工智能

    背景情况:

    • 多光谱遥感图像 (MSI) 语义细分受到了有限的标记数据和场景变化.
    • 现有的域调整 (DA) 和域泛化 (DG) 方法有局限性,例如要求目标域数据或限制任务适应性.
    • 细分任何模型 (SAM) 是有前途的,但由于其培训数据和提示要求,不能直接适用于MSI.

    研究的目的:

    • 为有效的MSI语义细分提出一个新型网络SDSnet.
    • 为了应对MSI细分中的有限数据和域变化的挑战.
    • 提高跨领域的适应性和推断效率.

    主要方法:

    • 开发了一个单源域缺陷意识适应和风格调制通用化网络 (SDSnet).
    • 集成的缺陷意识快速学习,使用基于的缺陷检测,专注于具有挑战性的区域.
    • 采用基于代码书的风格调制以提高跨领域的适应性.
    • 利用知识蒸,以便在基础网络上进行高效的推断.

    主要成果:

    • 与基于最先进的DA,DG和SAM方法相比,SDSnet在三个目标领域表现优异.
    • 提出的缺陷意识快速学习有效地识别并专注于高难度细分区域.
    • 风格概括学习显著改善了跨领域的适应性.

    结论:

    • SDSnet为MSI语义细分提供了有效的解决方案,特别是在具有有限标记数据的场景中.
    • 网络在没有额外的计算开销的情况下实现了高效的推断.
    • 该方法比现有方法,包括基于SAM的技术,有显著的进步.

    更多相关视频

    Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
    04:48

    Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

    Published on: November 30, 2022

    3.3K

    相关实验视频

    Last Updated: Jan 12, 2026

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
    04:48

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024

    731
    Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
    04:48

    Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

    Published on: November 30, 2022

    3.3K