针对高分辨率遥感图像语义分割存在地物边缘分割不连续,小目标分割精度不高的缺陷,本文提出一种基于改进DeeplabV3+的遥感图像分割算法,该算法首先使用分散注意力网络ResNeSt替换DeeplabV3+原始主干网络Xeception,以提取更丰富的深层语义信息,从而提高图像分割精度;其次引入坐标注意力机制(CA),有效获得更精确的分割目标位置信息...
在INRIA Aerial Image 高分辨率遥感图像数据集上进行训练和测试，并与相关模型进行对比，研究结果表明，改进后的Deeplabv3+ 网络在遥感图像分割中性能优异，改善了目标边缘以及小尺度目标物体的分割效果，具有一定的研究和应用价值。[关键词]遥感图像； Deeplabv3+； 通道注意力； 特征融合； 语义分割 [中图分类号] TP...
但目前距离图像语义分割算法真正使用到自动驾驶系统中还存在着一些问题: (1)许多算法不能实时运行,这无法满足安全性为主的自动驾驶的需求; (2)自动驾驶场景中场景复杂、种类众多造成训练数据样本不均衡,许多算法对于小样本的检测效果不好。 因此自动驾驶城市场景的图像语义分割还存在许多问题需要解决,本文的研究重点是基...
本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。 正文 作者简介 作...
微观来看,语义分割任务是针 对各像素对应的类别进行解析,通俗的说就是将 图像中某一像素识别出是汽车,建筑,树木还是 地面等,并为不同标签的像素设定不同色彩.宏 观解释,语义分割任务就是从底层语义向高层语义 推理的过程,获取到逐像素分割的图像.目前语义 分割算法在智能医学图像分析,遥感图像技术,无 人驾驶等...
基于DeepLabv3+的遥感建筑物语义分割算法 针对遥感图像语义分割中的小目标分割不全,边界精度不高,以及模型参数量大,实时性达不到需求等问题,通过改进DeepLabv3+网络来满足遥感语义分割任务中对精度和实时性的... 胡智翔,鲍胜利,徐传淇,... - 《计算机应用》 被引量: 0发表: 2021年 一种基于改进型DeepLabV3+的遥...
基于改进DeepLabV3+的遥感图像语义分割算法研究 可以基于不同地形地貌的高分辨率遥感影像资料去识别提取土地覆盖和利用类型.针对目前遥感图像语义分割任务中存在的一些挑战,本文做了以下研究工作:针对将DeepLabv3+算法... 陈波 - 《华中科技大学》 被引量: 0发表: 2021年 基于改进DeepLabv3+的轻量化作物杂草识别方法 ...
分水岭算法的茶叶嫩芽图像分割方法 , 相对于传统 数据采集地点为湖南省溪清茶园 , 位于湖南省 [12 ] 分水岭算法提升了 13.6% 交并比。胡和平等在 2 长沙市长沙县高桥镇 , 总占地面积 66.7 hm 。茶园 YOLOv5s 主干网络尾部加入卷积注意力模块 地处温暖湿润的气候区 , 充足的阳光和适宜的降水 ...
为解决传统DeepLabv3+算法在遥感影像变化检测上出现的边缘目标分割不精确,分类结果差的问题,提出了一种改进DeepLabv3+的高分辨率遥感影像变化检测方法.首先,基于深度分离卷积与空洞卷积构建了DeepLabv3+模型,大大降低了模型的计算量和参数量.其次,通过引入异感受野改进池化金字塔结构,同时在解码器模块中加入多尺度特征张量...
:1,本发明采用基于DeepLabV3改进的神经网络对遥感图像的深层特征并完成对遥感图像的语义分割,在网络训练和实用中更为有效.2,通过基于DeepV3改进的网络,对DeepLabV3网络的ASPP模块加入了动态权重调整,更好的帮助网络提取遥感图像的深层次特征,提升了网络提取的多尺度语义特征捕获能力,能够更高效的完成遥感图像的语义分割...