基于无人机图像的废矽片描绘的传统方法与深度学习方法的比较评估
原文中文,约300字,阅读约需1分钟。发表于: 。基于图像的矿山废弃物堆积物表征的优化,利用远程获取的数据和深度学习方法,通过各种分割方法的比较分析,展示了基于形态学和深度学习方法的高准确性和高效率,推动了矿山环境中基于图像的堆积物表征技术的应用。
本文提出了一个基于深度学习的区域合并方法 - DeepMerge,用于处理大面积 VHR 图像的分割。通过集成 Transformer、多级嵌入模块、基于分割的特征嵌入模块和区域邻接图模型,以及改进的二叉树采样方法生成深度合并模型的多级输入。实验结果表明,DeepMerge 在定量和定性评估方面优于其他分割方法,具有最高的 F 值(0.9446)和最低的 TE(0.0962)和 ED2(0.8989),能够正确地分割不同大小的对象。