Volver arriba
Compartir

Atención residual concatenada UNet para la segmentación semántica del área verde urbana

Año: 2021 | Colección: Investigación | Categoría:
3 lecturas

[featured_image]

El área verde urbana generalmente se considera un componente significativo del sistema de entorno ecológico urbano, que sirve para mejorar la calidad del entorno urbano y proporciona diversas garantías para el desarrollo sostenible de la ciudad. La teledetección proporciona un método eficaz para el mapeo y el seguimiento en tiempo real de los cambios en las áreas verdes urbanas en un área grande. Sin embargo, con la mejora continua de la resolución espacial de las imágenes de teledetección, los métodos de clasificación tradicionales no pueden obtener con precisión la información espectral y espacial de las áreas verdes urbanas.

Debido al complejo entorno urbano y las numerosas sombras, existen clasificaciones mixtas para la extracción de terrenos cultivados, pastizales y otras características del suelo, lo que implica que existen limitaciones en los métodos tradicionales. En la actualidad, los métodos de aprendizaje profundo han mostrado un gran potencial para abordar este desafío.

En esta investigación, se propuso un modelo novedoso llamado UNet de atención residual concatenada (CRAUNet), que combina la estructura residual y el mecanismo de atención del canal, y se aplicó a la fuente de datos compuesta por imágenes de teledetección GaoFen-1 en la ciudad de Shenzhen. En primer lugar, la estructura residual mejorada se utiliza para que retenga más información de características de la imagen original durante el proceso de extracción de características, luego se aplica el módulo de atención de canal de bloque convolucional (CBCA) para mejorar la extracción de características de convolución profunda fortaleciendo el verde efectivo características espaciales y supresión de características no válidas mediante la interdependencia de los canales de modelado. Finalmente, el mapa de características de alta resolución se restaura mediante la operación de muestreo superior por parte del decodificador.

Los resultados experimentales muestran que, en comparación con otros métodos, CRAUNet logra el mejor rendimiento. Especialmente, este método es menos susceptible al ruido y conserva detalles de borde segmentados más completos. La precisión de píxeles (PA) y la intersección media sobre la unión (MIoU) de este enfoque han alcanzado el 97,34% y el 94,77%, lo que muestra una gran aplicabilidad en el mapeo regional a gran escala.

Título Original:

"Concatenated Residual Attention UNet for Semantic Segmentation of Urban Green Space"

Autor/es:

Guoqiang Men, Guojin He, Guizhou Wang
Este recurso está relacionado con las siguientes temas de salud:

Tipo de Documento:

|=|  En Web

Idioma:

Inglés

Año de publicación:

2021

Tamaño del recurso:

2

Accesos al recurso:

19

Publicar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *