-
题名基于预训练模型的单帧航拍图像无监督语义分割
被引量：1
- 1
-
-
作者
任月冬
游新冬
滕尚志
吕学强
-
机构
北京信息科技大学网络文化与数字传播北京市重点实验室
-
出处
《北京信息科技大学学报（自然科学版）》
2024年第2期21-28,共8页
-
基金
国家自然科学基金项目(62202061
62171043)
+1 种基金
北京市自然科学基金项目(4232025)
北京市教委科研计划科技一般项目(KM202311232002)。
-
文摘
针对航拍图像语义分割成本高、通用性差和精度低等问题,提出了一种两阶段无监督语义分割网络(two-stage unsupervised semantic segmentation net, TUSSNet),针对单帧航拍图像训练进而生成最终的语义分割结果。算法分为2个阶段。首先,使用对比语言-图像预训练(contrastive language-image pretraining, CLIP)模型生成航拍图像的粗粒度语义标签,然后进行网络的预热训练。其次,在第一阶段的基础上,采用分割一切模型(segment anything model, SAM)对航拍图像进行细粒度类别预测,生成精细化类别掩码伪标签;然后迭代优化网络,得到最终语义分割结果。实验结果显示,相较于现有无监督语义分割方法,算法显著提高了航拍图像的分割精度,同时提供了准确的语义信息。
-
关键词
预训练模型
航拍图像
语义分割
无监督算法
聚类效果估计
深度学习
-
Keywords
pretrained model
aerial image
semantic segmentation
unsupervised algorithm
clustering performance estimation
deep learning
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名SNS:一种快速无偏的分层图抽样算法
- 2
-
-
作者
朱君鹏
李晖
陈梅
戴震宇
-
机构
贵州大学计算机科学与技术学院
贵州省先进计算与医疗信息服务工程实验室
-
出处
《计算机科学》
CSCD
北大核心
2018年第11期249-255,共7页
-
基金
国家自然科学基金项目(61562010,61462012,U1531246)
贵州省重大应用基础研究项目(JZ20142001)
+1 种基金
贵州省数据分析云服务创新团队(黔科合人才团队字[2015]53)
贵州大学研究生创新基金项目(研理工2017078)资助。
-
文摘
抽样作为一种有效的统计分析方法,常被用于大规模图数据分析领域以提升性能。现有的图抽样算法大多存在高度节点或低度节点过度入样的问题,较大程度地影响了算法的性能。复杂网络具有无标度特性,即节点的度服从幂律分布,节点个体之间存在较大差异。在基于点选择策略的抽样方法的基础上,通过结合节点的近似度分布策略,设计并实现了高效无偏的分层图抽样算法SNS。在3个真实的图数据集上的实验结果表明,SNS算法比其他图抽样算法保留了更多的拓扑属性,且执行效率比FFS更高。SNS算法在度的无偏性、抽样结果拓扑属性近似性方面的表现均优于现有算法。
-
关键词
有偏抽样
分层抽样
图抽样
向量聚类
性能评估
-
Keywords
Biased sampling
Stratified sampling
Graph sampling
Vector clustering
performance estimation
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
