典型文献
优化FPN的高分辨率遥感影像多类别地物语义分割
文献摘要：
针对高分辨遥感影像多类别地物存在类间不平衡、类别区分度低造成的语义分割方法鲁棒性弱和分割精度不高问题,基于UNet、特征金字塔网络(feature pyramid networks,FPN)、DeepLabV3+、HRNet 4种2D多尺度特征融合的卷积神经网络模型架构,对多尺度特征融合技术进行了探讨,通过数据预处理、损失函数、模型预训练等因素对精细土地覆盖的语义分割(多达16个语义类别)进行了模型能力的测试和实验,其中FPN语义分割精细化程度最高.在此基础上,基于EfficientNetB1的FPN模型进行预训练,利用focal loss损失函数选择最优多尺度特征融合,通过超参数搜索损失函数参数最优值进行优化集成,最终训练出性能优异的FPN模型,准确率提高了1.5％,Kappa提高了1.9％,进一步提高了模型对多类别地物的识别能力和泛化能力.
文献关键词：
语义分割;多尺度特征融合;FPN;卷积神经网络;多类别地物
中图分类号：
作者姓名：
李卫东;梁鑫婕;刘钦灏;时春波;左晨威
作者机构：
河南工业大学信息科学与工程学院,郑州450001
文献出处：
引用格式：
[1]李卫东;梁鑫婕;刘钦灏;时春波;左晨威-.优化FPN的高分辨率遥感影像多类别地物语义分割)[J].遥感信息,2022(05):1-7
A类：
多类别地物,EfficientNetB1,搜索损失
B类：
FPN,高分辨率遥感影像,物语,语义分割,高分辨遥感影像,别区,区分度,分割方法,UNet,特征金字塔网络,feature,pyramid,networks,DeepLabV3+,HRNet,2D,多尺度特征融合,卷积神经网络模型,模型架构,融合技术,数据预处理,损失函数,预训练,土地覆盖,多达,语义类别,模型能力,focal,loss,超参数,函数参数,最优值,练出,Kappa,识别能力,泛化能力
AB值：
0.299654
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。
