-
公开(公告)号：CN112183360A
公开(公告)日：2021-01-05
申请号：CN202011049591.3
申请日：2020-09-29
Applicant: 上海交通大学
Abstract: 一种高分辨率遥感影像的轻量化语义分割方法，包括：网络的搭建、训练以及测试，该网络具体为pytorch深度学习框架构建编码器‑解码器结构的深度语义分割网络，基于遥感影像数据样本集进行网络训练后，以待测遥感影像作为网络输入，得到遥感影像的分割结果。本发明一方面通过分解深度可分离卷积来减少模型参数，降低计算复杂度，缩短高分辨率遥感影像语义分割的时间，提高高分辨率遥感影像语义分割的效率。另一方面通过多尺度特征聚合、空间注意力模块与门控卷积提高语义分割精度，使所提出的轻量化深度语义分割网络能准确高效地实现高分辨率遥感影像的语义分割。
-
公开(公告)号：CN112183360B
公开(公告)日：2022-11-08
申请号：CN202011049591.3
申请日：2020-09-29
Applicant: 上海交通大学
IPC: G06V20/13 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/80
Abstract: 一种高分辨率遥感影像的轻量化语义分割方法，包括：网络的搭建、训练以及测试，该网络具体为pytorch深度学习框架构建编码器‑解码器结构的深度语义分割网络，基于遥感影像数据样本集进行网络训练后，以待测遥感影像作为网络输入，得到遥感影像的分割结果。本发明一方面通过分解深度可分离卷积来减少模型参数，降低计算复杂度，缩短高分辨率遥感影像语义分割的时间，提高高分辨率遥感影像语义分割的效率。另一方面通过多尺度特征聚合、空间注意力模块与门控卷积提高语义分割精度，使所提出的轻量化深度语义分割网络能准确高效地实现高分辨率遥感影像的语义分割。
-
公开(公告)号：CN110119744A
公开(公告)日：2019-08-13
申请号：CN201910375375.9
申请日：2019-05-07
Applicant: 上海交通大学
Abstract: 一种多尺度分割约束的遥感影像语义分割方法，通过对遥感影像进行多尺度区域合并，并将合并结果进行融合处理后得到多尺度分割结果，通过深度学习网络进行语义预测得到遥感影像地物准确边界及语义信息；本发明利用多尺度分割结果作为约束，一方面既能够获得遥感影像地物准确边界；另一方面又能够得到封闭区域的语义信息，解决了传统的多尺度分割方法无法直接获得封闭区域的语义信息的问题，以及基于深度学习的语义分割方法不能很好地保留地物的准确边界的问题。
-
-
Search Results
3
records
(took 0.025 seconds)
