基于深度学习和Transformer的遥感图像分类
国际学院
Land Cover Classification Based on Deep Learning and Transformer in High-resolution Remote Sensing Images
遥感图像的语义分割是根据某种语义准则对给定的遥感图像中所有像素分类的过程,其目的是将遥感图像分割为具有实际语义信息的区域,如房屋、道路、植被、车辆等。作为目前工业界的研究热点,图像分割算法在城市规划、灾害救助、交通管理以及气候建模等领域发挥着重要作用。
本项目将基于深度神经网络和Transformer模型,实现针对高分辨率遥感图像的地表覆盖分类。将最新的深度学习技术结合Transformer模型应用于遥感图像语义分割,通过改进现有算法从而提高遥感图像语义分割在精度和速度上的平衡,从而实现高精度、高速度的高分辨遥感图像语义分割任务。