典型文献
基于自注意力机制的遥感影像建筑物提取方法研究
文献摘要：
遥感影像中的建筑物提取是一项具有挑战性的任务.近年来,众多基于卷积神经网络(convolutional neural network,CNN)的深度学习建筑物提取方法被提出,并取得了超越传统方法的效果.但是卷积神经网络也有其局限性:随着网络深度的增加,浅层的图像特征会被丢失,造成网络性能退化;由于卷积操作天生的局部性,卷积神经网络仅能获取局部信息,而不能利用全局上下文信息.Transformer是一种新的神经网络架构,采用全局自注意力机制设计,可以为网络提供全局信息利用能力,将其与传统CNN结合,可以弥补互相的不足.基于此,提出了一种新的混合模型,将经典的U-Net语义分割模型和Vision Transformer(ViT)集成.通过将自注意力机制引入CNN结构当中,使模型拥有了提取多层次细节信息和全局信息的能力,可以提供准确的建筑物预测结果,同时很好地保持建筑物的边缘轮廓.实验结果证明了方法的有效性.
文献关键词：
建筑物提取;遥感影像;深度学习;U-Net;Transformer;自注意力
中图分类号：
作者姓名：
高亦远;佘江峰;赵强;汪李娜
作者机构：
南京大学地理与海洋科学学院 江苏南京 210023
文献出处：
引用格式：
[1]高亦远;佘江峰;赵强;汪李娜-.基于自注意力机制的遥感影像建筑物提取方法研究)[J].信息技术与信息化,2022(11):5-8
A类：
B类：
自注意力机制,遥感影像,建筑物提取,convolutional,neural,network,图像特征,网络性能,性能退化,卷积操作,天生,局部性,局部信息,全局上下文信息,Transformer,神经网络架构,全局自注意力,机制设计,全局信息,信息利用,混合模型,Net,语义分割,分割模型,Vision,ViT,细节信息,边缘轮廓
AB值：
0.308018
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。
