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 13, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K

多功能增强融合网络用于遥感图像语义细分.

Wansong Zhang1,2, Wenzhong Yang3,4, Yabo Yin5,6

  • 1Xinjiang University, School of Computer Science and Technology (School of Cyberspace Security), Urumqi, 830046, China.

Scientific reports
|January 11, 2026
PubMed
概括

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

Knowledge, attitudes and practices towards urinary calculi among patients: a cross-sectional study in Jiangsu Province, China.

BMJ open·2026
Same author

[Current Status and Challenges of Forensic Psychiatry Research].

Fa yi xue za zhi·2026
Same author

ZSL Orchestrates Synaptonemal Complex Assembly as a Central Region Scaffold to Ensure Synapsis Fidelity and Crossover Control in Polyploid Meiosis.

Advanced science (Weinheim, Baden-Wurttemberg, Germany)·2026
Same author

Splicing mutation in DSPP causes dentinogenesis imperfecta and amelogenesis imperfecta.

BMC oral health·2026
Same author

Comparative analysis of morphological traits and photosynthetic parameters as well as carbon accumulation characteristics of six typical shrub species in the Qilian Mountains.

Frontiers in plant science·2026
Same author

Single-cell RNA sequencing revealed cell heterogeneity in sagittal suture mesenchyme.

Frontiers in cell and developmental biology·2026

本研究介绍了一种新的多功能增强融合网络,用于远程传感图像语义细分. 该模型有效地融合了边缘和语义信息,以改善特征表达,并优于现有方法.

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.
关键词:
边缘增强 边缘增强多功能融合融合多功能融合遥感图像 遥感图像 遥感图像语义细分 语义细分是指语义细分.国家空间模型

相关实验视频

Last Updated: Jan 13, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K
  • 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.