基于深度学习的遥感图像语义分割方法研究 科技文献 9787518998494 王溢琴|责编:李晴
新华书店全新正版书籍图书 保证_可开发票_极速发货支持7天无理由
¥
24.2
6.4折
¥
38
全新
库存4件
作者王溢琴|责编:李晴
出版社科技文献
ISBN9787518998494
出版时间2022-12
装帧其他
开本其他
定价38元
货号31761462
上书时间2024-05-21
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
王溢琴,女,1980年生,山西高平人。2004年毕业于太原师范学院,2007年毕业于天津师范大学计算机与信息工程学院,获得工学硕士学位,现为晋中学院信息技术与工程系副教授。主要从事深度学习、图像处理及远程教学等方面的科研与教学工作。近5年来,主持省级以上课题3项,发表学术论文20余篇,其中SCI、EI收录2篇。
目录
目.录
1.1研究背景及意义........................................................................................001
1.2深度学习与计算机视觉............................................................................003
1.3国内外研究现状........................................................................................005
1.4主要研究内容与章节安排........................................................................014
2.1卷积神经网络的基础结构........................................................................016
2.2卷积神经网络的训练与调优....................................................................027
2.3经典卷积神经网络模型............................................................................035
2.4.迁移学习....................................................................................................056
2.5.本章小结....................................................................................................059
3.1.全卷积神经网络........................................................................................060
3.2.基于 FCN的编码 -解码结构语义分割方法..........................................066
3.3.基于FCN的扩张卷积语义分割方法......................................................068
3.4.基于FCN的GAN语义分割方法 ............................................................075
3.5.基于FCN的轻量级语义分割方法 ..........................................................081
3.6.本章小结....................................................................................................087
4一种改进 ENet的遥感图像语义分割方法
4.1.融合SE模块的ENet网络架构 ...............................................................088
4.2.实验环境配置............................................................................................090
4.3.语义分割精度评价指标............................................................................093
4.4.常用数据集及数据增强............................................................................095
4.5.语义分割常用损失函数............................................................................102
4.6.实验结果分析............................................................................................103
4.7.本章小结....................................................................................................108
5.1.优化的 EFSE-ENet网络模型 ..................................................................109
5.2.实验设置....................................................................................................112
5.3.实验结果分析............................................................................................115
5.4.运行效率分析............................................................................................117
5.5.算法拓展....................................................................................................118
5.6.本章小结....................................................................................................125
6.1.总结............................................................................................................126
6.2.下一步研究工作........................................................................................127
6.3.展望............................................................................................................128
内容摘要
作者基于遥感图像语义分割数据集,应用深度卷积神经网络,从通道注意力机制和特征融合角度,探索研究轻量级实时语义分割模型算法。利用卷积神经网络的特征提取能力,提出一种改进的轻量级实时语义分割模型SE-ENet,并引入特征融合策略,利用密集连接方式来堆叠不同层阶的特征信息,从而实现对高分辨率遥感图像精确与快速的分割。经过大量对比实验得出,所提模型在分割性能与计算速度方面平衡性能好,体现了其研究价值。
— 没有更多了 —
以下为对购买帮助不大的评价