摘要
本发明涉及语义分割技术领域,是指基于多尺度变换器的水稻遥感影像分割方法,解决了现有技术中遥感影响语义分割过程中依赖自注意力机制及多尺度特征整合能力差的问题。本发明包括以下步骤:S1.制作数据集;S2.设计并搭建训练模型;S3.进行训练,迭代至网络收敛,得到语义分割模型;S4.将新增不同月份遥感影像作为训练好的语义分割模型的输入,通过模型进行推理,得到分割地块之后的遥感影像。本发明设计了一种基于自适应多尺度混合变换器的语义分割模型,通过特征融合模块和多层优化解码器模块不仅提高了精度,也增强了鲁棒性和适应性,对于农业监测和相关应用具有较高的实用价值。
技术关键词
遥感影像分割方法
语义分割模型
多尺度
补丁
变换器
混合网络
sigmoid函数
压缩解码器
语义分割技术
特征金字塔网络
编码器
混合损失函数
彩色图像
输出特征
深度学习框架
全局平均池化
分辨率
系统为您推荐了相关专利信息
故障诊断方法
GCN模型
解码网络
故障类别
网络故障诊断模型
网络安全态势感知
主动防御系统
网络流量数据
卷积神经网络结构
模式
视频生成方法
高频特征
人脸特征
人脸识别模型
全局特征提取
推荐方法
综合误差
文本数据提取
分类器
融合特征