基于改进型U-Net的遥感云图分割方法
云检测是遥感图像预处理的重要步骤,云检测精度直接影响后续遥感图像应用的准确性,针对现有云与云阴影分割任务中,泛化能力差,误检漏检现象严重的问题,本文提出了一种改进型U-Net网络模型,该模型以U-Net为主干网络,加入高效通道注意力机制,修改激活函数.将遥感图像作为输入,放入基于高效通道注意力的U型云图分割模型中进行训练,在获得最优权重后,输出包含云区域、云阴影区域和背景区域的遥感图像分割结果.实验结果表明,相比于现有分割模型,本模型在云和云阴影的分割任务中参数量最低,准确率最高,泛化效果最好.
卷积神经网络、语义分割、U-Net、注意力机制
45
TP391(计算技术、计算机技术)
国家自然科学基金;校自然科学研究项目
2022-10-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
127-132