感受野约束下轻量化神经网络设计
针对传统网络模型设计中模型感受野与特征图大小不匹配的问题,该文以待识别的建筑物尺度大小作为先验知识辅助构建模型,在充分融合MobileNetV2和DeepLabV3模型优势的基础上,采用空洞卷积和调整卷积步长搭配的策略,通过调整模型最终感受野与建筑物尺度相契合,构建了感受野约束下的Encoder-Decoder结构网络,即RFNet.利用国产高分二号影像长春市区建筑物数据集对该网络进行了测试,结果表明与参数量占优的模型相比,在交并比接近的情况下,该文的模型参数量降低了 74.6%;在与未考虑感受野与特征相契合的网络相比,交并比提高了 15.24%,表明本文所设计网络模型的有效性.
感受野、神经网络、建筑物、国产卫星
47
P237(摄影测量学与测绘遥感)
国家重点研发计划2017YFB0503900-4-3
2023-03-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
155-161,169