[快闪报告]基于双分支CNN-Transformer特征融合网络的梯田田块遥感精准识别方法研究

基于双分支CNN-Transformer特征融合网络的梯田田块遥感精准识别方法研究
编号:3273 稿件编号:3538 访问权限:仅限参会人 更新:2024-04-13 11:31:47 浏览:605次 快闪报告

报告开始:2024年05月18日 17:10 (Asia/Shanghai)

报告时间:5min

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
快速准确获取梯田分布对耕地保护和水土保持具有重要意义。目前梯田识别方法存在两个问题,一是梯田细小狭长、形状不规则,在多层卷积特征提取时易丢失形态特征;二是复杂背景下梯田边缘模糊,会产生不完整边界造成田块粘连现象。为解决这些问题,我们提出了梯田提取网络(TENet, Terrace Extract Network),包含双分支Transformer编码器和CNN编码器。模型利用了Transformer捕获长距离依赖和全局特征的优势,并根据梯田形态特点设计了卷积模块。此外,模型结合了多任务学习和多尺度深度监督,提高了边缘识别准确性。最后,通过断点重连的后处理得到完整梯田边缘,解决粘连现象。和现有方法相比,该方法梯田识别精度明显提升,准确得到地块尺度的梯田分布结果,为梯田识别提供了新方法
关键字
梯田提取,深度学习,transformer,CNN,多任务学习
报告人
卢瑞
博士研究生 浙江大学环境与资源学院

稿件作者
卢瑞 浙江大学环境与资源学院
张樱凡 浙江大学环境与资源学院
叶粟 浙江大学环境与资源学院
史舟 浙江大学环境与资源学院
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