摘要
本发明公开了一种基于全局上下文的多尺度轻量化冰川分割方法,涉及深度学习和算法改进技术领域,针对高原冰川遥感影像分割中存在的空间分布复杂、同质化严重及实时性差等问题,通过生成对抗网络框架实现高效精准分割,包括对遥感影像进行滑动切割与数据增强,构建多尺度训练集,设计以Segformer为生成器核心的分层编码器,结合多尺度上下文模块和全局注意力模块,通过深度可分离膨胀卷积降低参数量,融合局部细节与全局语义特征,采用全卷积判别器进行像素级对抗学习,恢复影像空间连续性,引入条件随机场优化分割边界,消除孤立区域。
技术关键词
分割方法
高分辨率遥感影像
Softmax函数
分层编码器
全卷积网络
条件随机场
图像
像素点
数据
遥感影像分割
注意力
标签
多尺度
样本
训练集
半监督学习
生成对抗网络
上下文特征
系统为您推荐了相关专利信息
动作识别方法
混合神经网络模型
连续小波变换
飞行参数数据
注意力
新鲜度检测方法
一维卷积神经网络
Softmax函数
矩阵
高效无损检测
绿豆象
图像分析模块
叶斑病
智能监测系统
图像处理模块
医学图像分割模型
医学图像数据
医学图像分割方法
无监督
对抗性
图像分割方法
图像分割模型
图像轮廓信息
视觉
图像编码器