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,其中包含了高分辨率的遥感图像以及像素级的标注信息。实验结果表明,该方法在数据集上取得了很好的精度,与当前主流的语义分割算法相比有一定的提升。具体而言,该方法在准确率和召回率方面分别达到了 87.4% 和 87.2% 的性能,表明该方法在遥感图像的语义分割方面具有一定的优势。
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...
最新推荐文章于 2024-09-06 09:14:39 发布
论文提出了一种基于U-Net的改进网络结构,用于遥感图像的语义分割。该模型采用更深的编码器并减少参数量,在ISPRSVaihingen数据集上进行训练和测试,实现了87.4%的准确率和87.2%的召回率,显示了在该领域的优越性能。
摘要由CSDN通过智能技术生成