研究目的
提出一种基于U-Net的端到端网络架构,通过引入Xception??楦慕源硪8型枷瘢崛∮行卣?,并通过多任务学习融合建筑物的结构信息。
研究成果
该模型在不同空间分辨率的两个数据集上均取得了良好效果,显示出有效性和鲁棒性。未来工作包括处理非光谱数据及探索新的损失函数。
研究不足
该模型无法处理非光谱数据(如数字表面模型DSM),这类数据本可提供额外信息。未来研究可探索基于度量学习的新损失函数,并将建筑物聚类分组以更好地理解图像。
研究目的
提出一种基于U-Net的端到端网络架构,通过引入Xception??楦慕源硪8型枷瘢崛∮行卣?,并通过多任务学习融合建筑物的结构信息。
研究成果
该模型在不同空间分辨率的两个数据集上均取得了良好效果,显示出有效性和鲁棒性。未来工作包括处理非光谱数据及探索新的损失函数。
研究不足
该模型无法处理非光谱数据(如数字表面模型DSM),这类数据本可提供额外信息。未来研究可探索基于度量学习的新损失函数,并将建筑物聚类分组以更好地理解图像。
加载中....
您正在对论文“基于多任务驱动深度神经网络的高分辨率遥感影像有效建筑物提取”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期