树形结构卷积神经网络优化的城区遥感图像语义分割

基础网络:Deeplabv3+

修改:使其适用于多尺度、多模态的数据,而且在其后添加连接树形神经网络结构模块。树形结构通过建立混淆矩阵、提取混淆图、构建图分割,能够对易混淆的像素更好地区分,得到更准确的分割结果。

问题研究

主要解决易混淆类别精度较低的问题,设计了一种DeepLabV3+ 与树形结构相结合的方法,分割模块+树形模块

修改后网络

实验评价标准

$$OA = \frac{tp+tn}{tp+tn+fp+fn}\\
F_1 = 2 \times \frac{P \times R}{P+R}\\
P = \frac{tp}{tp+fp} \\
R = \frac{tp}{tp+fn}$$

实验详情

显卡:Nvidia FeForce GTX1082Ti

图片大小:640x640 重叠切割

epoch:80次

动量:0.9,$\gamma$就是动量

$$v_t=\gamma v_{t-1}+\eta \nabla_{\theta}J(\theta)$$

学习率:0.01 ---》0.001--》0.0001

数据集:国际摄影测量及遥感探测学会( International Society for Photogrammetry and Remote Sensing,ISRPS) 提供的两个不同城市的遥感影像集,Vaihingen 和 Potsdam。

数据处理:数据量过少,图像旋转增加数量

Dean0731

海纳百川,有容乃大,壁立千仞,无欲则刚

相关推荐

发表评论