[口头报告]基于SAM的田块自适应高精度提取方法

基于SAM的田块自适应高精度提取方法
编号：3270 稿件编号：4147 访问权限：仅限参会人 更新：2024-04-13 11:31:46 浏览：770次 口头报告

报告开始：2024年05月18日 15:35 （Asia/Shanghai）

报告时间：10min

所在会议：[S7] 主题7、遥感与地理信息科学 » [S7-2] 主题7、遥感与地理信息科学 专题7.17、专题7.19（18日下午，303）

暂无文件

摘要
针对深度学习方法在田块提取中需要大量标注样本导致的开发时效长、成本高的问题，本研究提出了一种基于分割任意物模型（SAM）的方法。通过增加迭代分割和掩模重叠过滤等方法，增强了模型在遥感影像中的田块提取性能。此外，通过结合基于交并比（IOU）的田块掩码拼接法，提高了田块的完整性和准确性。实验表明，在多空间分辨率的遥感影像中，发现亚米级情况下田块提取的结果最好。另外, 在多地区和地形的遥感影像中，田块提取的F1分数和IOU也获取了较好的结果，两者约为0.90。总体而言，在亚米级遥感影像中，该方法对不同地区和地形条件的遥感影像，均能获得高精度和强泛化性的田块提取结果，大大降低了所需的样本、时间和成本，提高了田块提取的效率。
 
关键字
深度学习,农田地块,遥感卫星,sam
报告人
李会宾
助理研究员 中国农业科学院

稿件作者
李会宾 中国农业科学院
余强毅 中国农业科学院农业资源与农业区划研究所
发表评论
验证码 看不清楚，更换一张
全部评论
● 会务总协调  

● 学术安排

  

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

 13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

 18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

 13313708075

lliu@iue.ac.cn

 

● 会场技术服务

  

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

      
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

 胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

 孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

 许心雅 0592-2880181 xuxinya@xmu.edu.cn
           

● 海报张贴

  

● 酒店预定及咨询

  
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com
卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订