BriefGPT - AI 论文速递
·
城市地区热红外长时序图像的语义分割用于热点和冷点的识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了使用DFCNN对地观测图像进行像素级场景标记。作者使用了变种的SegNet架构对城市区域的遥感数据进行训练，并研究了不同的准确语义分割方法。该方法在ISPRS Vaihingen 2D语义标记数据集上改进了现有技术的准确率。
🎯
关键要点
- 研究使用深度完全卷积神经网络（DFCNN）进行地观测图像的像素级场景标记。
- 采用变种的SegNet架构对城市区域的遥感数据进行训练。
- 研究不同的准确语义分割方法。
- 有效将DFCNN从常规日常图像转移到遥感图像领域。
- 引入多核卷积层以便于对多个尺度上的预测进行快速聚合。
- 使用残差校正对异构传感器（光学和激光）的数据进行融合。
- 所提出的方法在ISPRS Vaihingen 2D语义标记数据集上改进了现有技术的准确率。
➡️
