报告详情
基于双分支CNN-Transformer特征融合网络的梯田田块遥感精准识别方法研究
编号：3273
访问权限：仅限参会人
更新：2024-04-13 11:31:47 浏览：1801次
快闪报告
报告开始：2024年05月18日 17:10（Asia/Shanghai）
报告时间：5min
所在会场：[S7] 主题7、遥感与地理信息科学 [S7-2] 主题7、遥感与地理信息科学 专题7.17、专题7.19（18日下午，303）
暂无文件
摘要
快速准确获取梯田分布对耕地保护和水土保持具有重要意义。目前梯田识别方法存在两个问题，一是梯田细小狭长、形状不规则，在多层卷积特征提取时易丢失形态特征；二是复杂背景下梯田边缘模糊，会产生不完整边界造成田块粘连现象。为解决这些问题，我们提出了梯田提取网络（TENet, Terrace Extract Network）,包含双分支Transformer编码器和CNN编码器。模型利用了Transformer捕获长距离依赖和全局特征的优势，并根据梯田形态特点设计了卷积模块。此外，模型结合了多任务学习和多尺度深度监督，提高了边缘识别准确性。最后，通过断点重连的后处理得到完整梯田边缘，解决粘连现象。和现有方法相比，该方法梯田识别精度明显提升，准确得到地块尺度的梯田分布结果，为梯田识别提供了新方法
关键词
梯田提取,深度学习,transformer,CNN,多任务学习
报告人
卢瑞
博士研究生 浙江大学环境与资源学院稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论