报告详情
LoessFormer：一种基于Transformer的自监督黄土地貌分类与边界预测一体化框架
编号：188
访问权限：仅限参会人
更新：2025-09-10 15:23:50 浏览：164次
口头报告
报告开始：暂无开始时间（Asia/Shanghai）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
黄土地貌的自动识别不仅需要类型分类，还涉及边界预测。然而，现有方法往往将两者分离建模，难以在统一特征空间中同时表达复杂空间结构的语义与几何信息。为此，本文提出LoessFormer，一种基于Transformer的自监督黄土地貌分类与边界预测一体化框架。该模型首先设计了图像掩码预测与图像顺序预测两种互补的自监督任务，用于学习地貌形态的局部细节与全局结构特征；随后将两种任务嵌入统一的Transformer预训练架构中，以增强空间与语义特征的表达能力。最后，在下游微调阶段，LoessFormer通过端到端联合优化分类与边界回归模块，来实现类型识别与边界预测的一体化建模。以中国黄土高原典型地貌区为实验区的实验结果表明，LoessFormer在地貌识别精度与边界预测能力方面均表现优异，mAP值达到55.68%，显著优于现有主流基线方法。
关键词
黄土地貌,自监督学习,预训练模型,transformer架构,一体化建模,分类与边界预测
报告人
张玉婷
学生 兰州交通大学稿件作者
全部评论
重要日期
-
会议日期
09月19日
2025
至09月21日
2025
-
09月08日 2025
初稿截稿日期
-
09月21日 2025
注册截止日期
主办单位
河海大学
中国地理学会地图学与地理信息系统专业委员会
中国地质学会地质制图与地理信息专业委员会
中国测绘学会地图学与地理信息系统专业委员会
中国地理信息产业协会地图工作委员会
中国自然资源学会资源制图专业委员会
中国地理学会地图学与地理信息系统专业委员会
中国地质学会地质制图与地理信息专业委员会
中国测绘学会地图学与地理信息系统专业委员会
中国地理信息产业协会地图工作委员会
中国自然资源学会资源制图专业委员会
承办单位
河海大学地理与遥感学院
江苏省流域地理空间智能工程研究中心
江苏省流域地理空间智能工程研究中心
联系方式
- 陈跃红
- yu******@hhu.edu.cn
- 153********
发表评论