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
本文提出了一种基于通道自注意机制和残差连接的新型 UNet 图像分割算法,通过改进图像中不同项目之间的内部连接,显著提高了遮挡遥感图像分割的结果。在 FoodNet 数据集上,与传统 UNet 相比,新的网络模型将平均交并比提高了 2.48%。
Apr, 2023
本文介绍一种基于 UNet 结构,与双向 LSTM 和 Attention 机制相结合的创新架构,旨在共同利用卫星数据的时空性质,更好地识别各种土地覆盖的独特时间模式, 并将其用于全球多个地区的作物测绘。实验结果表明,该方法能够缓解噪声和识别区分性时间段的有效性,并与其他最先进的方法在两个实际数据集上进行定量和定性比较。
May, 2021
该论文提出了一种基于层次化注意力融合网络和多尺度特征的 2D 图像检索方法,通过自监督训练控制特征强调的权重,实现了对地理定位场景的精确定位。实验结果表明,该方法优于现有的最先进方法。
Feb, 2021
该论文提出了一种基于语义分析的方法,通过比较地面图像与卫星图像的特征,结合语义分割掩模,实现无 GPS 数据的查询地理定位,并在不同视场上通过对 CVUSA 数据集进行测试表明该方法提升了性能。
Apr, 2024
本文从关系建模和基于优化的前景建模的角度出发,提出了一种强调前景相关性的前景感知网络 FarSeg,以缓解地物目标分割面临的大尺度变化、高背景内类间差异和前景 - 背景不平衡等问题,实验结果表明该方法优于现有的语义分割方法,并在速度和准确度之间取得了更好的折衷效果。
Nov, 2020
本文旨在使用卷积神经网络来解决跨视角图像地理定位的问题,并介绍了用于地面图像和航拍图像的特征表示,并提出一种融合多个空间尺度提取的特征的网络架构,并通过实验表明其比现有方法更为优越。
Oct, 2015
本文提出了一种多路径编码器结构来提取多路径输入的特征,多路径注意力融合块模块来融合多路径特征,以及细化注意力融合块模块来融合高层抽象特征和低层空间特征。同时,提出了一种新的卷积神经网络架构,名为注意力融合网络 (AFNet)。基于该 AFNet,在 ISPRS Vaihingen 2D 数据集上达到了 91.7% 的整体精度和 90.96% 的平均 F1 分数,在 ISPRS Potsdam 2D 数据集上达到了 92.1% 的整体精度和 93.44% 的平均 F1 分数,取得了最先进的性能。
该论文提出了一种新的方法,利用多源数据分析和注意力机制使得深度网络可以在小目标类别和数据不足的情况下,在街树分类问题中取得了较大的进展。
Jan, 2019
本文提出了一种基于场景感知注意力的空间注意力模块和局部 - 全局类注意力机制,以此构建一种应用于遥感图像语义分割的场景感知类别注意力网络(SACANet),试验表明 SACANet 的性能优于其他最先进的方法并验证了其有效性。