10.13229/j.cnki.jdxbgxb20211389
基于改进SegNet的遥感图像建筑物分割方法
针对高分辨率遥感图像建筑物分割精度低以及边缘模糊问题,在SegNet网络的基础上提出一种改进的全卷积神经网络.首先,选择在深度学习任务中表现良好的GELU作为激活函数,避免神经元失活;其次,在编码网络中使用改进的残差瓶颈结构提取更多的建筑物特征;然后,利用跳跃连接融合图像的低级与高级语义特征,辅助图像重构;最后,在解码网络末端连接改进的边缘修正模块进一步修正建筑物边缘细节,提升建筑物的边缘完整度.在Massachusetts Buildings Dataset数据集上进行实验,其精确率、召回率和F1值分别达到93.5%、79.3%和81.9%,综合评价指标F1值相比于基础网络提升约5%.
计算机应用技术、遥感图像、建筑物分割、SegNet、全卷积神经网络
53
TP389.1(计算技术、计算机技术)
国家自然科学基金;深圳海外创新团队项目;吉林省自然科学基金;吉林省卫生与健康技术创新项目;吉林大学白求恩计划项目
2023-02-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
248-254