-
题名多尺度特征增强的街景绿色景观分割方法
- 1
-
-
作者
程勇
王沂萱
任周鹏
王军
顾雅康
-
机构
南京信息工程大学软件学院
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
-
出处
《测绘工程》
2025年第1期11-21,共11页
-
基金
国家自然科学基金资助项目(41975183,41975184,42071377)。
-
文摘
针对街景图像中景观复杂多样且多种景观相互遮挡,绿色景观分割效果存在相似景观错分、边界分割模糊、细节丢失等问题,提出一种多尺度特征增强的城市绿色景观分割网络。在编码部分改进多尺度残差网络提取上下文信息以区分相似景观,同时构建多级特征聚合增强模块增强目标特征的边缘细节信息。增加双注意力机制,在局部特征上建模丰富的上下文联系。最后,将多级特征聚合增强模块同样引入解码器,并融合多层级特征来提高目标信息的恢复能力完善边缘信息。在公共街景数据集Cityscapes与自制数据集StreetData的消融实验表明,该网络与基础网络相比,平均交并比分别提高2.96%和5.57%。此外,在两个数据集上进行对比实验,该网络较对比模型平均交并比分别高1.25%~5.29%和1.52%~6.95%。定量分析与实验结果表明,该方法能够有效识别街景的绿色景观,实现高精度的城市绿色景观数据提取。
-
关键词
深度学习
街景图像
多尺度特征增强
城市绿色景观
语义分割
-
Keywords
deep learning
street view
multi-scale feature enhancement
urban green space
semantic segmentation
-
分类号
P237
[天文地球—摄影测量与遥感]
TP391
[天文地球—测绘科学与技术]
-
-
题名基于YOLO的遥感影像目标快速检测轻量化网络研究
- 2
-
-
作者
王伟
程勇
周玉科
张文杰
王军
何佳信
顾雅康
-
机构
南京信息工程大学自动化学院
南京信息工程大学软件学院
中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室
南京信息工程大学地理科学学院
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
-
出处
《遥感技术与应用》
CSCD
北大核心
2024年第3期547-556,共10页
-
基金
国家自然科学基金面上项目(41975183、41875184)。
-
文摘
基于高分辨率遥感影像的目标识别技术被广泛应用于国土资源监测和情报收集等领域,精确、快速的目标检测方法是目前遥感图像研究的热点与难点。然而,许多检测方法过于追求提升检测精度却忽略了检测速度。为此,基于YOLOX提出一种改进型轻量化网络,以实现检测速度和精度权衡。首先,针对特征提取主干模块,提出一种Mobilenetv3tiny网络,进行轻量化改进,通过减少网络参数量,提高检测速度;其次,在特征金字塔结构中引入Ghost网络,在保证检测精度的前提下,降低网络复杂性;最后,使用Alpha-IoU和VariFocal_Loss优化损失函数,提高网络收敛速度和定位精度。在NWPU VHR-10数据集进行消融实验,结果表明改进网络较基础网络,检测精度提升0.76%,速度提升19.72%,权重为11 M(Mega)且参数量减少65.66%,网络整体效果较好。此外,对DIOR数据集进行对比实验,在保证较高检测精度的同时,检测速度提高26.88%,证明了改进网络的有效性。因此,改进网络能够有效权衡检测速度和精度,易于设备部署,适用于遥感图像目标实时检测应用场景。
-
关键词
高分辨率遥感影像
目标检测
单阶段算法
轻量化网络
-
Keywords
High-resolution remote sensing images
Object detection
Single-stage algorithm
Lightweight network
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
