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：
SSC-SeNet:一种融合点云与影像数据的露天矿区建筑物语义分割算法
1
作者 冯媛媛 李朝奎 +1 位作者 刘松焕 田沁 《吉林大学学报(地球科学版)》 北大核心 2025年第5期1757-1773,共17页
矿区建筑物分割大多采用U-Net编码器-解码器网络结构,而编码器-解码器结构并未充分利用语义特征和空间特征从而导致分割精度低。针对现有建筑物提取方法存在的缺陷,提出了语义空间一致性语义分割网络(semantic spatial consistency sema... 矿区建筑物分割大多采用U-Net编码器-解码器网络结构,而编码器-解码器结构并未充分利用语义特征和空间特征从而导致分割精度低。针对现有建筑物提取方法存在的缺陷,提出了语义空间一致性语义分割网络(semantic spatial consistency semantic segmentation network,SSC-SeNet)。该网络首先利用多通道结构,实现了语义特征、空间特征和一致性特征的提取融合;其次在主通道的前三层坐标卷积处引入空间提取通道,并针对空间特征的进一步提取设计了Gabor傅里叶滤波器;然后在主通道的每一层常规卷积块处引入语义提取通道,提高了语义特征提取能力;最后采用特征融合模块将空间提取通道、语义提取通道和主通道的特征进行融合,并生成最后的分割图像。在分辨率为0.03 m的湘潭锰矿建筑物数据集上进行的试验结果表明,SSC-SeNet的交并比高达88.47%,整体准确度达97.09%,均显著优于U-Net等传统网络。此外,得益于其轻量化特点,该模型成功克服了过拟合问题。 展开更多
关键词 矿区建筑物提取 语义分割 ssc-senet 注意力机制 坐标卷积 卷积神经网络 特征融合
在线阅读 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