多功能增强融合网络用于遥感图像语义细分.

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:

• 遥感图像的语义细分对于农田异常检测和城市规划等应用至关重要.
• 深度神经网络提取丰富的空间细节的低层特征,但也包含噪音和冗余.
• 高级语义和低级空间特征的有效融合是具有挑战性的,因为它们的语义水平和空间分布的差异.

研究的目的:

• 提出一个多功能增强融合网络 (MFEF),以改善遥感图像的语义细分.
• 通过融合边缘和语义信息来增强本地特征表达和全球语义建模能力.
• 解决融合多层次特征的挑战,以更好地利用空间细节和语义信息.

主要方法:

• 拟议的MFEF网络集成了一个边缘增强模块,以改进使用传统运营商的边缘功能.
• 多功能融合模块 (Multi-Feature Fusion Module) 结合了语义和边缘特征,用于增强细粒度信息表达.
• 一个本地-全球功能增强模块建立了层次的本地细节和全球上下文,加上一个多级融合细分头.

主要成果:

• 在三个公开可用的数据集上进行了广泛的实验.
• 与最先进的方法相比,拟议的MFEF模型表现出优越的性能.
• 融合策略有效地利用了浅层空间细节和深层语义信息.

结论:

• 多元化传感网络成功地提高了遥感中的语义细分精度.
• 拟议的融合方法增强了模型捕获详细空间信息和广泛语义背景的能力.
• 该研究为遥感图像分析领域做出了宝贵的贡献.