摘要
本发明公开了一种基于Swift‑SegEdgeNet的遥感图像道路提取任务的实现方法,包括以下步骤:首先,对Massachusetts道路数据集和DeepGlobe 2018道路数据集进行预处理并制作边缘标签;其次,构建Swift‑SegEdgeNet模型;随后,将预处理后并制作好边缘标签的Massachusetts道路数据集和DeepGlobe 2018道路数据集放入Swift‑SegEdgeNet中进行训练;最后,使用mIOU、mDC、Recall以及F1‑score对道路提取结果进行评价。本发明利用多任务思想对网络结构进行优化并且提出双分支卷积模块提取道路方向特征,在遥感图像道路提取任务中,分割准确率超过FCN、UNet、SegNet、ResUNet、AttUNet、DUNet、LinkNet34、DinkNet34、UNet++、UNet2++、TransUNet、Cswin、Segformer、Swin‑ResUNet、Swin‑ResUNet+等网络。这对遥感图像自动化提取道路具有较大的实际意义。
技术关键词
遥感图像道路提取
金字塔池化模块
边缘检测
卷积模块
分支
高层语义信息
编码器
预测类别
注意力
条带
融合语义分割
矩阵
标签
数据
输出特征
解码器结构
系统为您推荐了相关专利信息
状态空间模型
生成方法
图像
多头注意力机制
表达式
多模态传感器
在线检测方法
多模态图像数据
特征提取网络
多任务
深度学习方法
多模态
森林结构
LiDAR点云
卷积模块
混凝土结构构件
像素点
图像识别方法
信息熵
钢筋
纹理特征提取方法
褶皱区域
形状特征提取方法
调控方法
松弛