MSNet:针对遥感图像的多光谱语义分割网络【论文翻译+代码解读】

简介

论文名称:MSNet: multispectral semantic segmentation network for remote sensing images
代码可用为: https://github.com/taochx/MSNet

摘要

在遥感图像自动解译的研究中,基于深度卷积神经网络的语义分割得到了快速的发展和应用,特征分割精度和网络模型泛化能力逐步提高。然而,大部分网络设计主要面向遥感图像的三个可见RGB波段,旨在能够直接借鉴成熟的自然图像语义分割网络和预训练模型,但同时造成不可见光谱波段如**近红外(NIR)**遥感图像的浪费和丢失。结合多光谱数据在区分水和植被等典型特征方面的优势,我们提出了一种新的深度神经网络结构,称为多光谱语义分割网络(MSNet),用于多分类特征场景的语义分割。在遥感图像自动解译的研究中,基于深度卷积神经网络的语义分割得到了快速的发展和应用,特征分割精度和网络模型泛化能力逐步提高。然而,大部分网络设计主要面向遥感图像的三个可见RGB波段,旨在能够直接借鉴成熟的自然图像语义分割网络和预训练模型,但同时造成不可见光谱波段如近红外(NIR)遥感图像的浪费和丢失。结合多光谱数据在区分水和植被等典型特征方面的优势,我们提出了一种新的深度神经网络结构,称为多光谱语义分割网络(MSNet),用于多分类特征场景的语义分割。

1.介绍

深度学习算法从数据中分层学习具有代表性和区分的特征,已被引入遥感领域并迅速发展。将遥感图像的光谱和纹理等信息输入卷积神经网络模型,作为基于像素的语义分割的基本特征,得到特征分类

你可能感兴趣的:(图像分割,图像处理,网络,计算机视觉,深度学习)