• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Multiscale Refinement Network for Water-Body Segmentation in High-Resolution Satellite Imagery
【24h】

Multiscale Refinement Network for Water-Body Segmentation in High-Resolution Satellite Imagery

机译：高分辨率卫星图像中水体细分的多尺度细化网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Water-body segmentation in high-resolution satellite imagery is challenging because of the significant variations in the appearance, size, and shape of water bodies. In this letter, a novel multiscale refinement network (MSR-Net) is proposed for water-body segmentation. Similar to most learning-based methods, the MSR-Net resorts to the multiscale information for segmentation, but it improves existing networks in two ways: First, it uses the multiscale information in a new perspective. Instead of the traditional one-off manner that concatenates features and conducts segmentation on one uniform scale, the MSR-Net adopts a new multiscale refinement scheme that makes full use of the multiscale features for more accurate water-body segmentation. In addition, a novel erasing-attention module is designed for an effective feature embedding during the refinement scheme. Experiments on the Gaofen Image Data Set and the DeepGlobe Data Set demonstrate the superiority of MSR-Net when compared with the other state-of-the-art semantic segmentation methods, including U-Net, SegNet, DeepLabv3+, and ExFuse.
机译：高分辨率卫星图像中的水体分割是挑战，因为水体的外观，尺寸和形状的显着变化。在这封信中，提出了一种用于水体细分的新型多尺度细化网络（MSR-Net）。类似于基于大多数基于学习的方法，MSR-Net Resorts到多尺度信息进行分割，但它以两种方式改进了现有网络：首先，它以新的视角使用多尺度信息。代替传统的一次性方式，它通过一种统一量级连接特征并进行分割，MSR-Net采用新的多尺度细化方案，该方案充分利用多尺度特征，以实现更准确的水体分割。此外，新颖的擦除密度模块设计用于在细化方案期间嵌入有效的特征。与其他最先进的语义分割方法相比，GeoFgen图像数据集和DeepGlobe数据集的实验证明了MSR-Net的优越性，包括U-Net，Segnet，Deeplabv3 +和exfuse。

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