利用Shuffle Transformer的U-Net网络结构模型提取红树林遥感图像信息OA北大核心CSTPCD
针对遥感影像中红树林和其他地物易混淆使得传统的卷积神经网络存在提取精度低、性能差的缺点,改进Transformer结构,并结合U-Net网络结构的对称性构建了一种基于Shuffle Transformer的ST-UNet网络模型,提取了遥感影像中的红树林信息。实验结果表明:ST-UNet网络模型的精度达到97.33%,比U-Net网络提高了1.07百分点;在联合交并集、召回率以及Kappa系数上分别比U-Net网络提高了5.27、3.96、8.62百分点;且该模型与ATT-UNet、TransUNet、SwinUNet模型相比,各项评价指标均有提高且提取红树林信息的结果精准,可有效地提取遥感图像中红树林信息。
杨春月;王修信
广西师范大学广西多源信息挖掘与安全重点实验室,广西桂林541004 广西师范大学广西区域多源信息集成与智能处理协同创新中心,广西桂林541004 广西师范大学计算机科学与工程学院,广西桂林541004广西师范大学广西多源信息挖掘与安全重点实验室,广西桂林541004 广西师范大学广西区域多源信息集成与智能处理协同创新中心,广西桂林541004 广西师范大学计算机科学与工程学院,广西桂林541004
信息技术与安全科学
红树林遥感图像深度学习Transformer自我注意力信息提取
《桂林理工大学学报》 2025 (3)
P.355-363,9
国家自然科学基金项目(41561008)广西多源信息挖掘与安全重点实验室系统性研究课题(20-A-02-01)。
评论