• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Physics: Conference Series >Semantic Segmentation of PolSAR Images Using Conditional Random Field Model Based on Deep Features
【24h】

Semantic Segmentation of PolSAR Images Using Conditional Random Field Model Based on Deep Features

机译：基于深度特征的条件随机场模型对PolSAR图像的语义分割

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Aiming at the problem that the representation ability of traditional features is weakly, this paper proposes a semantic segmentation method based on deep convolutional neural network and conditional random field. The pre-trained VGG-Net-16 model is used to extract more powerful image features, and then the semantic segmentation of images is achieved through the efficient use of multiple features and context information by conditional random fields. The experimental results show that compared with the three methods using traditional classical features, the method achieves the highest overall classification accuracy and Kappa coefficient, indicating that VGG-Net-16 can extract more effective features.
机译：针对传统特征的表现能力较弱的问题，提出了一种基于深度卷积神经网络和条件随机场的语义分割方法。使用预先训练的VGG-Net-16模型提取更强大的图像特征，然后通过条件随机字段有效使用多个特征和上下文信息来实现图像的语义分割。实验结果表明，与使用传统经典特征的三种方法相比，该方法具有最高的总体分类精度和Kappa系数，表明VGG-Net-16可以提取更有效的特征。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号