Information Technology for Optimization of High-Resolution Remote Sensing Image Semantic Segmentation Based on Self-Attention Mechanism
Вантажиться...
Дата
2024
Науковий керівник
Укладач
Редактор
Назва журналу
ISSN
E-ISSN
Назва тому
Видавець
Одеський національний університет імені І. І. Мечникова
Анотація
This study explores detail optimization for semantic segmentation of remote sensing images with high-resolution, emphasizing the use of self-attention mechanism to alleviate detail loss and improve segmentation accuracy and robustness. of segmentations. In this paper, the principle of the self-attention mechanism is explored, an innovative semantic segmentation model is designed and implemented, and its effectiveness is verified by experiments, all of which could provide theoretical guidance and practical support for technological development.
In the experimental section, the proposed method was applied to several datasets: PASCAL VOC, Cityscapes, and COCO. The results showed that the selfattention mechanism based improved model had better performance in image segmentation tasks. Especially, on the Cityscapes dataset, the mAP reached 90.2%, which attests to the effectiveness of the approach in handling urban scenes. Besides, an evaluation of various loss functions revealed that hybrid loss functions consistently outperformed others in enhancing object detection performance. These achievements not only enhanced the precision of semantic segmentation for remote sensing images with high-resolution but also strengthened the model's adaptability to complex scenarios.
У цій дисертації основна увага приділяється семантичній сегментації зображень дистанційного зондування високої роздільної здатності та проводяться поглиблені дослідження щодо застосування механізму самоуваги для розв’язання проблеми втрати деталей та підвищення точності та надійності сегментації. Завдяки дослідженню принципів механізму самоуваги розроблена та реалізована інноваційна модель семантичної сегментації експериментами, що забезпечує теоретичну та практичну підтримку у розвитку цієї області. В експериментальній частині запропонований метод оцінений на декількох наборах даних, включаючи PASCAL VOC, Cityscapes і COCO. Результати показали, що покращена модель, заснована на механізмі внутрішньої уваги, продемонструвала чудову продуктивність у завданнях сегментації зображень. Зокрема, на наборі даних Cityscapes середня точність (mAP) сягнула 90,2%, що свідчить про ефективність підходу при обробці міських сцен. Крім того, порівнюючи вплив різних типів функцій втрат на продуктивність виявлення об’єктів, було з’ясовано, що гібридна функція втрат зазвичай забезпечувала кращу продуктивність у більшості випадків. Ці досягнення не тільки підвищили точність семантичної сегментації для зображень дистанційного зондування з високою роздільною здатністю, але й посилили адаптивність моделі до складних сценаріїв.
У цій дисертації основна увага приділяється семантичній сегментації зображень дистанційного зондування високої роздільної здатності та проводяться поглиблені дослідження щодо застосування механізму самоуваги для розв’язання проблеми втрати деталей та підвищення точності та надійності сегментації. Завдяки дослідженню принципів механізму самоуваги розроблена та реалізована інноваційна модель семантичної сегментації експериментами, що забезпечує теоретичну та практичну підтримку у розвитку цієї області. В експериментальній частині запропонований метод оцінений на декількох наборах даних, включаючи PASCAL VOC, Cityscapes і COCO. Результати показали, що покращена модель, заснована на механізмі внутрішньої уваги, продемонструвала чудову продуктивність у завданнях сегментації зображень. Зокрема, на наборі даних Cityscapes середня точність (mAP) сягнула 90,2%, що свідчить про ефективність підходу при обробці міських сцен. Крім того, порівнюючи вплив різних типів функцій втрат на продуктивність виявлення об’єктів, було з’ясовано, що гібридна функція втрат зазвичай забезпечувала кращу продуктивність у більшості випадків. Ці досягнення не тільки підвищили точність семантичної сегментації для зображень дистанційного зондування з високою роздільною здатністю, але й посилили адаптивність моделі до складних сценаріїв.
Опис
Ключові слова
126 інформаційні системи та технології, магістр, High-resolution remote sensing images, Semantic segmentation, Selfattention mechanism, Detail loss, Segmentation accuracy, зображення з високою роздільною здатністю, отримані за допомогою дистанційного зондування, семантична сегментація, механізм самоуваги, втрата деталей, точність сегментації
Бібліографічний опис
Юй Фей Information Technology for Optimization of High-Resolution Remote Sensing Image Semantic Segmentation Based on Self-Attention Mechanism = Інформаційна технологія оптимізації семантичної сегментації зображення дистанційного зондування високої роздільної здатності на основі механізму самоуважності: кваліфікаційна робота магістра / Юй Фей. – Одеса, 2024. – 72 с.