DenseU-Net-Based Semantic Segmentation of Small Objects in Urban Remote Sensing Images

最新推荐文章于 2023-12-21 20:24:41 发布
最新推荐文章于 2023-12-21 20:24:41 发布
阅读量365 收藏 1
点赞数
分类专栏： 论文阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/carry_hjr/article/details/115362815
版权
本文批判性地评估了一篇2019年发表在IEEE Access上的硕士论文，作者为桂林电子科技大学的Xiaoquan Pan。尽管该期刊通常被认为较为宽松，但这篇论文引用次数已达24次。研究提出了一种通过Dense架构串联网络块的结构，其效果可能优于原始UNET但逊于UNET++。此外，论文还尝试了基于类别频率中位数的权重调整和类Focal损失，然而这种方法可能不如直接为少数类别赋予高权重有效。
摘要由CSDN通过智能技术生成

个人评价

C 无实用，水创新

信息简介

2019年的 IEEE Access， 桂林电子科技大学 硕士 Xiaoquan Pan，按理这种水刊是不看的，不过目前cite有24

宣称的创新

网络结构


就是把block用dense架构串起来，这种结构应该不如unet+resnet，可能比最原始的unet好一点，感觉不如unet++

魔改loss


权重由类别频率的中位数 / 频率，然后接了个类focal在这里插入图片描述
大概率不如直接给数量少的权重赋值为2

carry_hjr
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes解读
weixin_42565571的博客
03-22 590
论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9042876 年份：2020 关键词：轻量级、精度和速度的平衡 一、工作 1.提出了一个高性能实时分割网络，用于分割城市街道景色。实现了速度精度更好的平衡。上图： 和主流的一些网路的对比 2.用到的模块： （1）distinctive atrous s...
Stacked Dense U-Nets with Dual Transformers for Robust Face Alignment
Cody的博客
01-15 1631
CVPR2018:Stacked Dense U-Nets with Dual Transformers for Robust Face Alignment 目录AbstractContributionDese U-NetScale Aggregation TopologyChannel Aggregation BlockDual TransformerInside TransformerOuts...
Semantic Segmentation of Small Objects and Modeling of Uncertainty in Urban Remote Sensing Images
carry_hjr的博客
03-31 328
评级 C 简介 cvpr workshop 2016, Michael Kampffmeyer， 引用量308 创新 median frequency reweight 感觉没什么用，不一定比直接权重加大效果好 网络没什么创新 发现改变阈值可以提高acc 这不废话嘛
Automatic Brain Tumor Detection and Segmentation Using U-Net Based Fully Convolutional Networks_2017
sunyao_123的博客
10-08 1447
作者:Hao Dong , Guang Yang 等训练图像被插值为1*1*1,大小为240×240×155,然后经过数据标准化(每套多模态MRI减去自己的均值,除以标准差).肿瘤被分了4类,1.necrosis(坏死), 2.edema(水肿), 3.non-enhancing, 4.enhancing tumor.使用FLAIR图像分割完整的肿瘤区域和除水肿之外的肿瘤,使用T1c(T1-wei
Stacked Dense U-Nets with Dual Transformers for Robust Face Alignment 原文翻译
qq_33474442的博客
04-30 1394
原文链接：https://arxiv.org/pdf/1812.01936v1.pdf 摘要 人脸关键点检测目前最先进的技术主要是围绕某些类型的深度卷积网络，如堆叠的U-Nets和沙漏网络。本文提出一种堆叠密集的U-Nets，我们设计了一种新颖的规模聚合网络拓扑结构和一个通道聚合构建块，以提高模型的容量，而不会牺牲计算复杂性和模型大小。借助于堆叠密集U-Nets内部的可变形卷积和外部数据变换的...
The HV-DMLP and HV-DPE Modules for the Semantic Segmentation of
最新发布
07-17
The HV-DMLP and HV-DPE Modules for the Semantic Segmentation of the Panoramic Image，xing hu, yi an, cheng shao, sen wang, huosheng hu. science robotics 原文代码，欢迎交流，广泛使用。
semantic-segmentation-editor:Web标签工具，用于位图图像和点云
05-10
语义细分编辑器 一个基于Web的标签工具，用于创建AI训练数据集（2D和3D）。 该工具是在自动驾驶研究的背景下开发的。 它支持图像（.jpg或.png）和点云（.pcd）。 这是一个由 ， 和开发的应用程序。...
Cloud-Net-A-semantic-segmentation-CNN-for-cloud-detection:用于云检测的语义分割CNN
05-28
Cloud-Net：用于云检测的语义分割CNN Cloud-Net是Landsat 8影像的端到端云检测算法。 但是，它也可以用于其他语义分割应用程序。 它获取Landsat 8的四通道RGBNir图像，并预测云的位置。 在以下IGARSS论文中引入了...
Pytorch-3D-Medical-Image-Semantic-Segmentation:使用Pytorch进行3D医学图像语义分割
05-24
Pytorch-3D-医学图像语义分割 这是我的私人研究资料库的发行版。 随着研究的进行，它将进行更新。 为什么我们需要AI来进行医学图像语义分割？ 放射治疗治疗计划需要精确的轮廓，以最大程度地扩大目标覆盖范围，同时...
环境配置实践 --Dense-U-net网络实践（3）
m0_51072160的博客
12-08 856
hello！大家好书接上一回，我想到的解决方案有三种，一种是重头再来，重新配置和CUDA12.3对应的一系列包；第二种是看到其他博主直接在Anconda的虚拟环境中下载对应的cuda和cudnn，之后再匹配对应的tensorflow和其他package；第三种是直接在上次CPU运行的环境中加入运行到GPU的语句中看看能否运行，但是我上一次使用的虚拟环境好像被破坏了，没有找到┭┮﹏┭┮，就不考虑第三种方法了。因此先来试试第二种ideal。
DenseNet网络论文学习笔记
charles_zhang_的博客
06-26 491
Densely Connected Convolutional Networks最近的研究表明，如果卷积网络包含接近输入层和接近输出层之间的较短连接，则卷积网络可以更深入、更准确、更有效地进行训练。在本文中，我们接受了这一观察结果，并引入了稠密卷积网络（DenseNet），它以前馈方式将每一层连接到其他每一层。传统的L层卷积网络有L个连接，每个层和后续层之间有一个连接，而我们的网络有L（L+1/2个直接连接。对于每一层，所有先前层的特征图用作输入，其自身的特征图用作所有后续层的输入。DenseNets有几个
Kaggle平台学习 --Dense-U-net网络实践（5）
m0_51072160的博客
12-21 809
kaggle创建于2010年，是一个为开发商和数据科学家提供举办数据科学竞赛、托管数据库、编写和分享代码的在线平台，2017年被谷歌收购。公司和研究者在上面发布一些数据，提出一个实际需要解决的问题；参赛者们组队参与项目，针对其中一个问题提出解决方案，选出的最佳方案可以获得奖金。除此之外，kaggle官方每年还会举办一次大规模的竞赛，奖金高达百万美金，吸引了广大的数据科学爱好者参与其中。从某种角度来讲，大家可以把kaggle理解为一个众包平台。
3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
间歇性学习狂躁症的博客
11-21 797
Refs: 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation 1.简介 目的：对稀疏标签的立体图像进行分割。 - 半自动化：标记一部分slices，网络根据稀疏的标记自动学习一个稠密分割网络。 - 全自动化：选择有代表性的稀疏标记训练集已经训练好的网络，其可以在新的未标记的3D图像上进行稠密分...
基于Dense-U-net的3D粒子场全息重建
m0_37940804的博客
04-12 1305
​这篇文章是我自己写的一篇文章，如有需要，欢迎引用[1]。 代码可从github上获取：https://github.com/THUHoloLab/Dense-U-net 。 相关工作介绍可以观看展示PPT：http://www.holoddd.com/col.jsp?id=141（Dense encoder-decoder network for 3D holographic particle imaging）。 本人也以开通微信公共号“羽峰码字”，欢迎各位关注。文章也会在公共号上进行分享，可以在零
【医学图像分割】Dense U-Net的Pytorch代码实现
goodenough5的博客
03-20 2817
dense U-Net的pytorch代码
ObjectAug： Object-level Data Augmentation for Semantic Image Segmentation简略总结
qq_40004268的博客
09-10 379
最近在看数据增强相关的论文，然后看到了这篇文章，觉得写的不错，也挺有创新的。 本文提出了ObjectAug（工作在目标层面），为语义图像分割进行对象层面的增强。该方法首先使用语义标签将图像解耦为单个物体和背景。用常用的增强方法（如缩放、移位和旋转）对每个物体进行单独增强。使用图像内画法进一步恢复物体增强带来的像素伪影。最后，增强的物体和背景被组合成一个增强的图像。ObjectAug可支持类别感知增强，为每个类别的物体提供各种可能性，并且能很容易地与现有的图像级增强方法相结合。 Objec...
labelme 语义分割数据集_论文阅读分享（实时语义分割+数据集增广提升小目标）...
weixin_42401137的博客
12-30 682
Small Object Augmentation of Urban Scenes for Real-Time Semantic Segmentation小目标增强的城市场景实时语义分割文章是关于语义分割的 现有主流方法，依赖复杂的网络模型以及多尺度的输入，因此实时性很差。另一方面，实时性好的，又对信号灯这类小物体分割效果不太好，这对自动驾驶来说，对安全性有很大的威胁。 ...
利用DenseUNet深度神经网络数之联河湖遥感大数据的研究
Cesium的博客QQ2252224326
07-01 715
遥感能低成本地解决全局监测问题。基于高分二号卫星遥感数据，数之联为智慧治理中心构建了成都市河湖遥感大数据分析体系。其核心机理是洁净、黑臭、绿藻和高泥沙含量的水体，会因其中悬浮物、叶绿素-a、泥沙等物质的含量不同而呈现不同的光谱特征。我们利用人工智能技术自动解译遥感图像，准确再现污染水体的分布，实现成都水体污染情况的整体感知。同时通过融合物联网数据与网络理政数据，从宏观到微观，全方位掌握河湖量分布，水质污染情况及污染演变趋势。 　　(1)技术路线 　　首先，将多张遥感图分别切成36000个网...
请总结An improved U-Net method for the semantic segmentation of remote sensing images这篇文章用的网络、数据集以及达到的精度
02-17
这篇论文使用了一种改进版的 U-Net 网络来进行遥感图像的语义分割。该网络结构相较于原版 U-Net 稍有改动，使用了更深的编码器和更少的参数量。数据集方面，作者使用了一个名为“ISPRS Vaihingen”的公开数据集，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值