- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 焦点损失在高分辨率航空影像语义分割中的影响
摘要： 高分辨率遥感（HRRS）图像的语义分割是地球观测的基础研究领域。卷积神经网络（CNN）在计算机视觉任务中表现出色，同样适用于HRRS图像的语义分割。本研究采用焦点损失替代交叉熵损失进行CNN训练，以解决训练数据不平衡问题。为评估焦点损失的效果，我们使用该损失函数训练SegNet和FCN模型，在ISPRS二维语义标注竞赛数据集上验证了精度提升——当SegNet中的参数(cid:13)取值为0.5时效果尤为显著。
关键词： 深度学习、焦点损失、语义分割、卷积神经网络
更新于2025-09-04 15:30:14
-
[2018年IEEE国际智能交通系统会议(ITSC) - 美国夏威夷州毛伊岛(2018.11.4-2018.11.7)] 2018年第21届国际智能交通系统会议(ITSC) - 基于深度学习的实时立体视觉重建故障检测与校正
摘要： 本文介绍了一种立体视觉重建方法，该方法不仅能实时生成精确结果，还能检测并隐藏单相机故障导致的潜在问题。首先对立体相机传感器故障进行分类，重点分析了最常见的缺陷类型。随后提出一种立体相机故障检测方法，在前述错误分类基础上引入多种附加检测机制。此外，我们基于卷积神经网络（CNN）提出新型误差校正方法，通过结合语义分割提供的先验信息与最新可用视差图，能够生成可靠的视差图。通过在多种驾驶场景中评估性能，证明本方法的高效性——在常规GPU上实时运行的同时，对Kitti立体数据集和原始数据集中的图像均能生成精确视差图。
关键词： 错误校正、卷积神经网络、立体重建、故障检测、语义分割
更新于2025-09-04 15:30:14