一种基于深度学习模型的海陆分割方法

    公开(公告)号:CN117994657B

    公开(公告)日:2024-07-23

    申请号:CN202410130132.X

    申请日:2024-01-31

    摘要: 本发明公开了一种基于深度学习模型的海陆分割方法,所述方法包括下列步骤:获取待分割的海陆遥感图像;构建STIRUnet模型;将所述海陆遥感图像输入至STIRUnet模型中,得到海陆分割结果;其中,所述STIRUnet模型包括CNN编码器分支、与所述CNN编码器分支并行的ST‑Block编码器分支、信息交互模块、自适应上采样融合部分,在所述CNN编码器分支中采用了多层依次相连的倒置残差模块,所述信息交互模块,被配置为对所述CNN编码器分支、ST‑Block编码器分支中同层级特征图的特征进行组合,所述自适应上采样融合部分,被配置为以ST‑Block编码器分支提取的层级特征作为指导层,对最后一个信息交互模块的特征提取结果进行逐层融合,得到海陆分割结果。

    一种基于深度学习模型的海陆分割方法

    公开(公告)号:CN117994657A

    公开(公告)日:2024-05-07

    申请号:CN202410130132.X

    申请日:2024-01-31

    摘要: 本发明公开了一种基于深度学习模型的海陆分割方法,所述方法包括下列步骤:获取待分割的海陆遥感图像;构建STIRUnet模型;将所述海陆遥感图像输入至STIRUnet模型中,得到海陆分割结果;其中,所述STIRUnet模型包括CNN编码器分支、与所述CNN编码器分支并行的ST‑Block编码器分支、信息交互模块、自适应上采样融合部分,在所述CNN编码器分支中采用了多层依次相连的倒置残差模块,所述信息交互模块,被配置为对所述CNN编码器分支、ST‑Block编码器分支中同层级特征图的特征进行组合,所述自适应上采样融合部分,被配置为以ST‑Block编码器分支提取的层级特征作为指导层,对最后一个信息交互模块的特征提取结果进行逐层融合,得到海陆分割结果。