摘要
本发明公开了一种基于视觉基础模型优化的U‑Net++遥感语义分割方法,包括:遥感影像通过视觉基础编码模块后得到视觉特征图X0;遥感影像通过U‑Net++编码模块依次得到遥感影像特征图X0,0、X1,0、X2,0、X3,0、X4,0;特征融合增强模块将视觉特征图X0与遥感影像特征图X4,0进行连接,然后通过通道注意力机制对连接的特征图进行特征融合增强,经过重投影整合恢复原始特征图尺度得到特征图X1;解码模块通过U‑Net++解码器的上采样与特征连接进行特征图解码,得到输入遥感影像的预测结果X。本发明能提高预测精度,充分发挥视觉基础模型强大的先验知识,并建立全局语义相互作用和上下文长距离关联。
技术关键词
遥感影像特征
语义分割方法
通道注意力机制
视觉特征
编码模块
基础
多头注意力机制
多层感知机
像素
解码模块
校正
解码器
非线性
系统为您推荐了相关专利信息
生成对抗模型
图像融合方法
融合可见光图像
特征提取模块
网络
压缩编码方法
参数
压缩编码装置
临床场景
历史采集数据
驾驶员身份识别
皮肤检测方法
池化特征
多维特征向量
病变特征
融合多尺度信息
语义分割方法
校正
语义分割系统
语义分割网络
多维时序数据
分布式光伏
故障定位模型
时序预测模型
运维知识图谱