基于多模态互补特征学习的遥感影像语义分割
在遥感影像语义分割任务中,数字表面模型可以为光谱数据生成对应的几何表示,能够有效提升语义分割的精度.然而,大部分现有工作仅简单地将光谱特征和高程特征在不同的阶段相加或合并,忽略了多模态数据之间的相关性与互补性,导致网络对某些复杂地物无法准确分割.本文基于互补特征学习的多模态数据语义分割网络进行研究.该网络采用多核最大均值距离作为互补约束,提取两种模态特征之间的相似特征与互补特征.在解码之前互相借用互补特征,增强网络共享特征的能力.在国际摄影测量及遥感探测学会(inter-national society for photogrammetry and remote sensing,ISPRS)的 Potsdam 与 Vaihingen 公开数据集上验证所提出的网络,证明了该网络可以实现更高的分割精度.
计算机视觉、遥感影像、图像分割、卷积神经网络、语义分割、多模态特征融合、深度学习、互补特征学习
17
TP183(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家自然科学基金;陕西省重点研发计划项目;陕西省人工智能联合实验室项目
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共11页
1123-1133