期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种改进TransUNet的高分辨率遥感影像滑坡提取方法 被引量：1
1
作者 胡富杰 吕伟才 +2 位作者 周福阳 郭晓慧 卢福康 《无线电工程》 2024年第2期402-409,共8页
遥感影像滑坡识别方法对于抢险应急指挥具有重要意义。TransUNet模型由于架构中的注意力机制计算复杂度高,且跳跃连接无法实现相邻特征图之间的对齐,导致模型训练时间长,无法有效利用浅层高分辨率特征信息。针对上述问题,对TransUNet模... 遥感影像滑坡识别方法对于抢险应急指挥具有重要意义。TransUNet模型由于架构中的注意力机制计算复杂度高,且跳跃连接无法实现相邻特征图之间的对齐,导致模型训练时间长,无法有效利用浅层高分辨率特征信息。针对上述问题,对TransUNet模型架构进行了改进,提出一种改进的流对齐TransUNet(Flow Alignment TransUNet,FATransUNet)模型。将原始结构中的Transformer模块替换为Efficient Transformer模块,有效降低模型的计算复杂度。引入流对齐模块(Flow Alignment Module,FAM),替换原始的跳跃连接、特征拼接和解码阶段中的上采样操作,既能够简化运算过程,又有效融合了浅层中的高分辨率信息。基于开源的毕节滑坡数据集实验表明,FATransUNet模型的F1评分和mIoU分别达到了91.4%和91.1%,均高于其他5种模型(FCN、U-Net、SegNet、DeepLabV3+、TransUNet)的精度,有效抑制了复杂背景对滑坡提取的干扰,提升了高分辨率遥感影像中滑坡的提取精度。 展开更多
关键词 深度学习 滑坡提取 流对齐TransUNet 毕节滑坡数据
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部