典型文献
基于改进型U-Net的遥感云图分割方法
文献摘要：
云检测是遥感图像预处理的重要步骤,云检测精度直接影响后续遥感图像应用的准确性,针对现有云与云阴影分割任务中,泛化能力差,误检漏检现象严重的问题,本文提出了一种改进型U-Net网络模型,该模型以U-Net为主干网络,加入高效通道注意力机制,修改激活函数.将遥感图像作为输入,放入基于高效通道注意力的U型云图分割模型中进行训练,在获得最优权重后,输出包含云区域、云阴影区域和背景区域的遥感图像分割结果.实验结果表明,相比于现有分割模型,本模型在云和云阴影的分割任务中参数量最低,准确率最高,泛化效果最好.
文献关键词：
卷积神经网络;语义分割;U-Net;注意力机制
中图分类号：
作者姓名：
崔志强;单慧琳;张银胜;吉茹
作者机构：
无锡学院电子信息工程学院 无锡214105;南京信息工程大学电子与信息工程学院 南京210044
文献出处：
引用格式：
[1]崔志强;单慧琳;张银胜;吉茹-.基于改进型U-Net的遥感云图分割方法)[J].电子测量技术,2022(12):127-132
A类：
B类：
改进型,Net,云图,图分割,分割方法,云检测,图像预处理,检测精度,图像应用,阴影,泛化能力,检漏,漏检,主干网络,高效通道注意力机制,激活函数,放入,分割模型,最优权重,影区,背景区域,遥感图像分割,云和,参数量,语义分割
AB值：
0.37125
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
