Information Technology for Optimization of High-Resolution Remote Sensing Image Semantic Segmentation Based on Self-Attention Mechanism

Скорочена інформація про документ
dc.contributor.authorЮй Фейuk
dc.contributor.authorYu Feien
dc.date.accessioned2025-03-25T11:50:45Z
dc.date.available2025-03-25T11:50:45Z
dc.date.issued2024
dc.description.abstractThis 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. en
dc.description.abstractУ 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.uk
dc.identifier.citationЮй 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.en
dc.identifier.urihttps://dspace.onu.edu.ua/handle/123456789/40878
dc.language.isoen
dc.publisherОдеський національний університет імені І. І. Мечниковаuk
dc.subject126 інформаційні системи та технологіїuk
dc.subjectмагістрuk
dc.subjectHigh-resolution remote sensing imagesen
dc.subjectSemantic segmentationen
dc.subjectSelfattention mechanismen
dc.subjectDetail lossen
dc.subjectSegmentation accuracyen
dc.subjectзображення з високою роздільною здатністюuk
dc.subjectотримані за допомогою дистанційного зондуванняuk
dc.subjectсемантична сегментаціяuk
dc.subjectмеханізм самоувагиuk
dc.subjectвтрата деталейuk
dc.subjectточність сегментаціїuk
dc.titleInformation Technology for Optimization of High-Resolution Remote Sensing Image Semantic Segmentation Based on Self-Attention Mechanismen
dc.title.alternativeІнформаційна технологія оптимізації семантичної сегментації зображення дистанційного зондування високої роздільної здатності на основі механізму самоуважностіuk
dc.typeDiplomasen
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Yu_Fei-Thesis.pdf
Розмір:
1.42 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
Магістри МФІТ