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：
融合注意力机制的SegFormer遥感影像道路识别 被引量：1
1
作者 王晓杰 陈少康 +3 位作者 闫皓炜 杨鹤猛 燕正亮 王森 《计算机系统应用》 2024年第11期186-193,共8页
道路信息在遥感影像中具有重要意义和价值,因此准确提取道路对于许多应用非常关键.然而,在进行道路识别时存在两个主要问题.首先,卫星影像的背景复杂多变,而道路的形态也是复杂多样的,这给道路的自动识别带来了挑战.其次,道路像素只占... 道路信息在遥感影像中具有重要意义和价值,因此准确提取道路对于许多应用非常关键.然而,在进行道路识别时存在两个主要问题.首先,卫星影像的背景复杂多变,而道路的形态也是复杂多样的,这给道路的自动识别带来了挑战.其次,道路像素只占整个影像的很小一部分,导致类别不平衡的问题.为了解决上述问题,本文提出了一种基于改进的SegFormer模型的卫星影像道路自动识别算法.该算法采用了两个主要策略来改进识别效果.第一,在SegFormer编码器的各个阶段的输出端添加了空间注意力模块.这个模块有助于减弱复杂背景的干扰,同时增强对道路区域的关注.通过引入空间注意力机制,模型能够更好地捕捉到道路的特征,从而提高识别准确性.第二,采用了一种混合损失函数,结合了像素对比损失和交叉熵损失.这样的损失函数能够更好地处理类别不平衡的问题,使得模型更加关注道路类别的训练.通过优化训练过程,模型能够更好地学习到道路的特征表示,从而提升识别准确率.通过对比实验分析,改进后的模型在测试集上的mIoU指标提升了约3.3%. 展开更多
关键词 深度学习 道路 SegFormer 空间注意力 像素对比损失函数
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