融合FCN-ViT的语义分割与密度预测应用研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对河岸植被分布复杂性及密度多样性带来的监测难题,提出了一个语义分割与密度预测双重网络SEG-DEN-Net,实现并行植被高精度分割和密度预测.首先,采用无人机获取三峡库区香溪河河道的航拍图像,构建了一个包含语义标签和密度标签的数据集.其次,融合全卷积神经网络(fully convolutional network,FCN)和ViT(vision transformer)各自优势,捕捉多尺度的局部与全局信息.最后,增设了一个密度预测分支,达到并行预测,以减少时间与计算成本.实验结果表明,与其他经典网络相比,所提出的模型在mIoU、准确率和Kappa系数等指标上均有提升,密度预测任务的预测结果达到了比人工标记更高的精度.两任务的结合及并行预测降低了各方面的成本,可进一步应用于重金属污染估计,为环境保护提供新的技术手段.

作者：

姚玉、佘雅丽

展开 >

作者单位：

三峡大学水电工程智能视觉监测湖北省重点实验室湖北宜昌 443000

三峡大学计算机与信息学院湖北宜昌 443000

关键词：

航拍图像语义分割植被密度预测 ViT 重金属污染

基金：

国家自然科学基金

项目编号：

62371271

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.06.001

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(6)