small-object detection in remote sensing images with end-to-end edge-enhanced gan and object detector network
时间: 2023-05-04 20:01:03 浏览: 90
“b'small-object detection in remote sensing images with end-to-end edge-enhanced gan and object detector network'”是使用端到端边缘增强GAN和目标检测器网络进行遥感图像中小物体检测的研究。
相关问题
Multiscale Feature Weighted-Aggregating and Boundary Enhancement Network for Semantic Segmentation of High-Resolution Remote Sensing Images
这是一篇关于高分辨率遥感图像语义分割的论文,提出了一种多尺度特征加权聚合和边界增强网络。该网络采用了多种技术,包括池化、反卷积、注意力机制、残差连接等,能够有效地提取高分辨率遥感图像中的语义信息,并且能够较好地处理边界信息,从而提高了语义分割的精度。此外,该网络还采用了一种特征加权聚合的方法,能够更好地利用不同尺度的特征信息,从而提高了分割的性能。
请总结An improved U-Net method for the semantic segmentation of remote sensing images这篇文章用的网络、数据集以及达到的精度
这篇论文使用了一种改进版的 U-Net 网络来进行遥感图像的语义分割。该网络结构相较于原版 U-Net 稍有改动,使用了更深的编码器和更少的参数量。数据集方面,作者使用了一个名为“ISPRS Vaihingen”的公开数据集,其中包含了高分辨率的遥感图像以及像素级的标注信息。实验结果表明,该方法在数据集上取得了很好的精度,与当前主流的语义分割算法相比有一定的提升。具体而言,该方法在准确率和召回率方面分别达到了 87.4% 和 87.2% 的性能,表明该方法在遥感图像的语义分割方面具有一定的优势。