基于多模态特征融合的遥感图像语义分割方法研究

目录

声明

致谢

1 绪论

1.1 研究工作的背景与意义

1.2.1 深度学习

1.2.2 遥感图像

1.2.3 图像语义分割

1.2.4 多模态数据

1.3 研究内容

1.4 章节安排

2 基于全卷积神经网络的遥感图像语义分割理论

2.1 遥感图像语义分割概述

2.2 卷积神经网络

2.2.1 卷积层

2.2.2 池化层

2.2.3 激活函数

2.2.4 全连接层

2.3 全卷积神经网络

2.4 基于全卷积神经网络的U-Net模型

2.5 本章小结

3 基于U-Net的多模态数据的遥感图像语义分割网络—多模态网络

3.1 引言

3.2.1 双流网络架构

3.2.2 特征融合

3.2.3 注意力机制

3.3.1 实验环境

3.3.2 实验数据

3.3.3 评价指标

3.3.4 实验结果

3.4 本章小结

4 基于多模态注意力和自适应融合的遥感图像语义分割网络

4.1 引言

4.2.1 多模态注意力

4.2.2 自适应特征融合

4.2.3 遥感图像数据增强

4.3.1 实验环境

4.3.2 实验数据

4.3.3 评价指标

4.3.4 实验结果

4.4 本章小结

5 多模态语义分割原型系统设计

5.1 引言

5.2 系统开发环境及工具

5.3 原型系统数据预处理

5.4 语 义 分 割 系 统 搭 建

5.5 本章小结

6 总结和展望

6.1 本文工作总结

6.2 展望

参考文献

附录1

作者简历

一、基本情况

二、学术论文

三、专利

四、获奖情况

五、研究项目