-
题名面向遥感图像云分割问题的新型U-Net模型
被引量：2
- 1
-
-
作者
李大海
王榆锋
王振东
-
机构
江西理工大学信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第11期3506-3509,3516,共5页
-
基金
国家自然科学基金地区科学基金资助项目(61563069)。
-
文摘
目前,已知基于深度学习的云分割方法通常采用传统U型编解码结构的网络,该结构虽能有效利用编码端的空间位置信息,但整个网络参数过多、计算量大,同时其编码端仅采用简单卷积与下采样操作,无法有效获取高质量的上下文语义特征信息。针对上述情况提出一种新型的轻量级U-Net模型用于云分割问题。整个模型采用跳跃连接编码端浅层和中层信息的新U型编解码结构,并在其编码端嵌入由分组卷积与注意力机制组成的优化模块,同时构建上下语义融合连接,连接编码端与解码端相应的上下层。实验结果表明,在公共基准数据集38-Cloud上,该模型相比其他主流云分割网络在分割精度与模型参数等方面均能取得更优异的结果。
-
关键词
云分割
新型u-net模型
深度学习
跳跃连接
-
Keywords
cloud segmentation
new u-net
deep-learning
jump and connect
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
