随笔分类 - 遥感论文笔记
摘要：
为了解决目前方法的 2 个问题：1. 将多级特征融合和边界引导视为两个独立的任务，导致了次优解。2. 无法准确地聚合长程上下文线索。提出了 2 个模块 1 个损失函数：边界指导多级特征融合模块、基于通道相关性的空间语义上下文聚合模块、基于几何相似性的边界损失函数。数据集： ISPRS Vaihingen 和高分二号。
阅读全文
为了解决目前方法的 2 个问题：1. 将多级特征融合和边界引导视为两个独立的任务，导致了次优解。2. 无法准确地聚合长程上下文线索。提出了 2 个模块 1 个损失函数：边界指导多级特征融合模块、基于通道相关性的空间语义上下文聚合模块、基于几何相似性的边界损失函数。数据集： ISPRS Vaihingen 和高分二号。
阅读全文
摘要：高分遥感图像面临三大问题：尺度变化、较大的背景类内变化、前景-背景不平衡。通用的语义分割方法只关注尺度变化，忽略假警报和前景-背景不平衡。针对这些问题Zhou等人提出了FarSeg++. 具体而言，从关系的角度出发，提出了前景-场景关系模块；从优化的角度出发，提出了前景感知优化；从对象性的角度出发，提出了前景感知解码器。
阅读全文
摘要：作者: Yansheng Li 发表年代: 2023 使用的方法: 无监督领域自适应(UDA)、GAN、ClassMix、边界增强 来源: IEEE TGRS 方向: 语义分割 期刊层次: CCF B；工程技术1区；IF 8.2 文献链接： https://doi.org/10.1109/TGRS.
阅读全文
