基于VGG16预编码的遥感图像建筑物语义分割
Science Technology and Engineering（2019）
摘要
深度卷积神经网络在遥感图像语义分割研究上开创了新的领域.利用改进的U-net模型对建筑物区域进行像素级提取,可获取其轮廓和尺寸信息.利用强可迁移性的VGG16网络作为U-net模型的编码器,并利用基于空洞卷积的级联并行模块提取多尺度的高层语义信息,同时使用转置卷积实现上采样,逐步还原分割细节.实验采用了加权组合的Jaccard损失和二元交叉熵损失作为总损失函数.实验结果表明了改进的U-net模型对遥感图像中建筑物的分割提取具有更高的精度,均像素精度(MPA)、均交并比(MIoU)和F1分数分别为92.16％、78.55％和84.81％.改进模型的F1分数比DeepLabv3+模型高4.8％,比标准U-net模型高8.3％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要