摘要
本发明属于深度学习语义分割技术领域,具体涉及融合扩散语义特征的遥感图像语义分割卷积神经网络方法,步骤包括基于遥感图像,获取盆地地区的土地利用与土地覆盖的数据集;基于编码器和解码器结构,构建适用于语义分割的卷积神经网络模型;利用SR3超分辨率图像生成模型对训练集、验证集进行无监督训练,生成预训练的SR3图像生成模型来训练卷积神经网络模型,以获取最优参数;利用训练好的卷积神经网络模型对测试集中的遥感图像样本进行处理,生成遥感语义分割结果图。本发明缓解了地物分割不平衡性,提升了模型在图像处理任务中的性能与效率,显著提高了边缘分割和细节分辨率,增强了轮廓可视化和分类准确性。
技术关键词
遥感图像语义分割
卷积神经网络方法
图像生成模型
语义特征
高分辨率遥感图像
卷积神经网络模型
空间金字塔池化
深度学习语义分割技术
注意力
输出特征
样本
全局平均池化
无监督
解码器结构
系统为您推荐了相关专利信息
焊接区域结构
语义特征
自动化控制方法
半导体封装
多尺度特征提取
遥感图像去云方法
生成对抗网络
图像纹理特征
特征提取模块
损失函数优化
信息抽取模型
语义特征
数据
依赖特征
条件随机场
执法记录仪
智能生成方法
语义特征
多模态情感分析
视频流
深度Q网络
检测缺陷
处理器
计算机程序产品
语义特征