Satellite卫星遥感图像中小物体的分割识别

最新推荐文章于 2025-04-19 16:58:21 发布

AI剑客

最新推荐文章于 2025-04-19 16:58:21 发布

阅读量2.3k

点赞数

分类专栏： AI 图像分割

本文链接：https://blog.csdn.net/qq_43258953/article/details/101900305

版权

本文探讨了卫星遥感图像中如道路等小物体的分割识别问题，介绍了利用unet模型配合不同的损失函数，如BCE Loss、balanced_cross_entropy以及Dice loss和focal loss，以提高分割精度和分类效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.在卫星的遥感图像中，一般植被或建筑物是比较大明显物体，相对而言，路属于较难的目标（hard example），在图像分割时，不进行特殊处理，会导致无法正确分类分割。语义分割就是像素分类。
遥感图片

2，使用keras自带的的BCE Loss(binary_crossentropy)与accuracy评价来训练及验证unet模型，设定及效果如下：

model.compile(optimizer=Adam(lr=1e-3), loss='binary_crossentropy', metrics=['accuracy'])

BCE Loss训练模型预测结果

3.使用balanced_cross_entropy 与dice_coef 评价来训练及验证模型，设定及效果如下：

def balanced_cross_entropy(alpha=.75):

    def balanced_cross_entropy_fixed(y_true, y_pred):

        pt_1 = tf.where(tf.equal(y_true, 1), y_pred, tf.ones_like(y_pred))
        pt_0 = tf.where(tf.equal(y_true, 0), y_pred, tf.zeros_like(y_pred))

        ret