研究目的
为解决大尺寸遥感图像语义分割问题,提出一种自顶向下方法:通过计算目标级特征并利用神经网络进行像素级分类。
研究成果
提出的面向大遥感图像语义分割的自上而下方法在分类精度上有显著提升,尤其在大规模数据集上优于SVM和MLC等传统方法。该方法通过神经网络有效利用对象级特征进行像素分类,展现出对大数据场景的鲁棒性和适用性。
研究不足
隐藏层节点数量的确定及其权重设置尚未优化,仍有改进空间。8连通矩阵对类别标签判定的影响尚未充分探究,可能会影响准确率。
研究目的
为解决大尺寸遥感图像语义分割问题,提出一种自顶向下方法:通过计算目标级特征并利用神经网络进行像素级分类。
研究成果
提出的面向大遥感图像语义分割的自上而下方法在分类精度上有显著提升,尤其在大规模数据集上优于SVM和MLC等传统方法。该方法通过神经网络有效利用对象级特征进行像素分类,展现出对大数据场景的鲁棒性和适用性。
研究不足
隐藏层节点数量的确定及其权重设置尚未优化,仍有改进空间。8连通矩阵对类别标签判定的影响尚未充分探究,可能会影响准确率。
加载中....
您正在对论文“一种自上而下的大尺度遥感图像语义分割方法”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