-
题名基于ViT-D-UNet的双分支遥感云影检测网络
- 1
-
-
作者
李远禄
王键翔
范小婷
周昕
吴明轩
-
机构
南京信息工程大学自动化学院
江苏省大气环境与装备技术协同创新中心
-
出处
《计算机系统应用》
2024年第8期68-77,共10页
-
基金
国家自然科学基金(61671010)。
-
文摘
云及其阴影的有效分割是遥感图像处理领域中重要的问题,它对于地表特征提取、气候检测、大气校正等有很大帮助.然而云和云影遥感图像特征复杂,云分布多样不规则,且边界信息模糊易受背景干扰等特点,导致其特征难以准确提取,也少有专门为其设计的网络.针对以上问题,本文提出一种ViT(vision Transformer)和D-UNet双路网络.本文网络分为两个分支:一路是基于卷积的局部特征提取模块,在D-UNet的膨胀卷积模块基础上,引入深度可分离卷积,提取多尺度特征的同时,减少参数;另一路通过ViT在全局上理解上下文语义,加深对整体特征提取.两支路间存在信息交互,完善提取的特征信息.最后通过独特设计的融合特征解码器,进行上采样,减少信息丢失.模型在自建的云和云影数据集以及HRC_WHU公开数据集上取得优越的性能,在MIoU指标上分别领先次优模型0.52%和0.44%,达到了92.05%和85.37%.
-
关键词
遥感
云检测
语义分割
特征融合
-
Keywords
remote sensing
cloud detection
semantic segmentation
feature fusion
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
P237
[自动化与计算机技术—控制科学与工程]
-
-
题名改进YOLOv8的水下目标检测
- 2
-
-
作者
周昕
李远禄
吴明轩
范小婷
王键翔
-
机构
南京信息工程大学自动化学院
江苏省大气环境与装备技术协同创新中心
-
出处
《计算机系统应用》
2024年第11期177-185,共9页
-
基金
国家自然科学基金(61671010)
青蓝工程(2191091900101)。
-
文摘
针对水下目标检测中的尺度不一、重叠遮挡目标的漏检问题,提出了一种改进的YOLOv8水下目标检测算法.首先,在主干网络中引入可变形卷积(deformable convolution network, DCN),通过卷积核自适应形变的机制,提高模型对重叠遮挡目标的特征提取能力;其次,设计了一种空洞卷积空间金字塔模块(atrous spatial pyramid faster, ASPF),扩大输出特征图的感受野,提高模型对水下多尺度目标的感知能力;最后,对损失函数进行改进,优化模型的训练过程并提高定位精度.将改进算法在URPC数据集上进行实验,结果表明改进算法的检测精度达到了87.3%,相较于原始算法YOLOv8提高了3.4%,同时能够精准检测水下多尺度、重叠遮挡目标.
-
关键词
水下目标检测
YOLOv8
深度学习
可变形卷积
WIoU
-
Keywords
underwater target detection
YOLOv8
deep learning
deformable convolution network(DCN)
WIoU
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
