Mar, 2020

用于陆地覆盖分类的密集扩张卷积融合网络

PDF
TL;DR本文提出了一种名为 DDCM-Net 的新架构，该架构通过合并密集膨胀卷积和不同膨胀率，有效地利用了丰富的膨胀卷积组合，同时获取局部和全局的信息，提高了远程遥感图像的分类准确度，并在多个数据集上得到了比其他公开模型更好的结果。
land cover classificationremote sensing imagesddcm-netdense dilated convolutionssemantic segmentation
发现论文，激发创造
  • 用于密集预测任务的密集连接多扩张卷积网络

    本文介绍了一种新的用于高分辨率密集预测的卷积神经网络架构，称为 D3Net，其采用了多分辨率学习和逐渐膨胀的感受野来同时建模局部和全局模式，避免了深度网络中的深度耗散问题，并在图像和音频处理任务中取得了优越的性能。

    Nov, 2020

  • 空洞卷积多尺度上下文聚合

    本文提出了一种特别为密集预测设计的新的卷积网络模块，该模块利用扩张卷积系统地汇集多尺度上下文信息，而不会丢失分辨率，并证明了该模块可以提高现有最先进的语义分割系统的精度。同时，作者还探究了将图像分类网络适应于密集预测的可能性，并提出了简化适应后的网络结构有助于提高精度。

    Nov, 2015

  • 用于土地覆盖分类的密集融合同学网络

    提出一种密集融合卷积神经网络 (DFCNet)，用于解决卫星图像中缺少有效中层结构信息造成像素级分类困难的问题，主要用于土地覆盖分类。

    Nov, 2019

  • 基于动态分组卷积的高光谱遥感图像分类的高效三维 DenseNet (DGCNet)

    该研究设计并提出了一种基于动态分组卷积的轻量级模型，并应用于高光谱图像分类计算任务，取得了较高的速度和准确度，较传统方法优越。

    Jul, 2023

  • 利用深度卷积神经网络对缺失数据模式的城市土地覆盖分类

    本文提出了一种基于卷积神经网络的城市土地覆盖分类方法，该网络可以嵌入所有可用的训练模态，并在测试阶段替换缺失的数据模态，实现数据融合功能，从而在测试中利用训练时缺失模态的信息，对比了标准卷积神经网络和两个标准卷积神经网络的整体表现。

    Sep, 2017

  • 近距离和远程感知的统一模型

    本文提出了一种新型卷积神经网络架构，用于估计地理空间函数，并使用各种标签创建了一个大型数据集进行评估。

    Aug, 2017

  • 多模态和多尺度深度网络在地球观测数据的语义分割中的应用

    本文研究了使用深度完全卷积神经网络（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。作者提出以下贡献：1）作者有效地将 DFCNN 从常规日常图像转移到遥感图像领域；2）作者引入了一个多核卷积层以便于对多个尺度上的预测进行快速聚合；3）作者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。

    Sep, 2016

  • 密集尺度网络用于人群计数

    本文提出了一种名为 DSNet 的网络，采用密集空洞卷积块和密集残差连接来实现完全端到端的人群计数。在四个人群计数数据集上对 DSNet 进行实验后，得到了比现有算法更优秀的结果。

    Jun, 2019

  • ACDNet：自适应组合扩张卷积用于单目全景深度估计

    本文提出了一种基于自适应膨胀卷积的 ACDNet，用于预测单目全景图像的密集深度图，实验结果表明 ACDNet 明显优于当前最先进的技术。

    Dec, 2021

  • PCC Net: 基于空间卷积网络的透视人群计数

    本论文提出了一种透视人群计数网络（PCC Net），它包括密度图估计（DME），随机高级密度分类（R-HDC）和前景 / 背景分割（FBS）等不同的部分，并使用 DULR 模块编码四个方向上的透视变化。PCC Net 在五个主流数据集上验证，实现了最先进的性能。

    May, 2019