类别非均衡遥感图像语义分割的全卷积网络方法
基于U-Net模型,提出了一个全卷积网络(FCN)模型,用于高分辨率遥感图像语义分割,其中数据预处理采用了数据标准化和数据增强,模型训练过程采用Adam优化器,模型性能评估采用平均Jaccard指数.为提高小类预测的准确率,模型中采用了加权交叉熵损失函数和自适应阈值方法.在DSTL数据集上进行了实验,结果表明所提方法将预测结果的平均Jaccard指数从0.611提升到0.636,可实现对高分辨率遥感图像端到端的精确分类.
图像处理、遥感图像、语义分割、类别非均衡、全卷积网络、深度学习
39
TP394.1;TH691.9(计算技术、计算机技术)
军内科研项目16A804
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共12页
393-404