Progressive Adjacent-Layer coordination symmetric cascade network for semantic segmentation of Multimodal remote sensing images

计算机科学 分割 棱锥(几何) 联营 人工智能 互补性(分子生物学) 级联 杠杆(统计) 编码器 模式识别(心理学) 计算机视觉 数据挖掘 物理 色谱法 生物 光学 遗传学 化学 操作系统
作者
Fan Xiaomin,Wujie Zhou,Xiaohong Qian,Weiqing Yan
出处
期刊:Expert Systems With Applications [Elsevier]
卷期号:238: 121999-121999 被引量:13
标识
DOI:10.1016/j.eswa.2023.121999
摘要

Semantic segmentation of remote sensing images is a fundamental task in computer vision, with significant applications in forest and farmland cover surveys, geological disaster monitoring, and other related fields. The inclusion of digital surface models can enhance the segmentation performance compared to using unimodal imaging alone. However, most existing methods simply combine the features from both modalities without considering their differences and complementarity, leading to a loss of spatial details. In order to address this issue and improve segmentation accuracy, we propose a novel network called Progressive Adjacent-Layer Coordination Symmetric Cascade Network (PACSCNet). This network employs a two-stage fusion symmetric cascade encoder to leverage the similarities and differences between adjacent features for cross-layer fusion, thereby preserving spatial details. Additionally, our network includes a new dual-pyramid symmetric cascade decoder that extracts similarities in multimodal and cross-layer fusion features for merging. Furthermore, a pyramid residual integration module progressively integrates features at four scales to mitigate noise interference during large-scale fusion. Extensive experimental evaluations on the Vaihingen and Potsdam datasets demonstrate that PACSCNet achieves strong semantic segmentation performance, comparable to state-of-the-art approaches, in terms of accuracy and intersection-over-union. The source code and results of our proposed PACSCNet are publicly available at https://github.com/F8AoMn/PACSCNet.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
娇娇大王完成签到,获得积分10
1秒前
戈戈唔完成签到 ,获得积分10
12秒前
火箭Lucky完成签到 ,获得积分10
19秒前
平常向雪完成签到 ,获得积分10
25秒前
子非鱼完成签到 ,获得积分10
29秒前
感性的神级完成签到,获得积分10
30秒前
蓝绝完成签到 ,获得积分10
32秒前
digger2023完成签到 ,获得积分10
56秒前
小竹完成签到 ,获得积分10
58秒前
纷纭完成签到,获得积分10
1分钟前
ihonest完成签到,获得积分10
1分钟前
取法乎上完成签到 ,获得积分10
1分钟前
实力不允许完成签到 ,获得积分10
1分钟前
研友_8KXkJL完成签到 ,获得积分10
1分钟前
Aixia完成签到 ,获得积分10
1分钟前
LuciusHe完成签到,获得积分10
1分钟前
chichenglin完成签到 ,获得积分10
1分钟前
kais完成签到 ,获得积分10
1分钟前
谦让月饼完成签到 ,获得积分10
1分钟前
zmx完成签到 ,获得积分10
1分钟前
每天学习一点点完成签到 ,获得积分10
1分钟前
lyp完成签到 ,获得积分10
1分钟前
yugongjie完成签到 ,获得积分10
1分钟前
满意的雪枫完成签到 ,获得积分10
1分钟前
科研通AI2S应助李冲肖采纳,获得10
1分钟前
感动尔柳完成签到 ,获得积分20
1分钟前
isedu完成签到,获得积分10
1分钟前
LT完成签到 ,获得积分10
1分钟前
小二郎应助科研通管家采纳,获得10
1分钟前
勤恳的TT完成签到 ,获得积分10
1分钟前
lizef完成签到 ,获得积分10
2分钟前
小粒橙完成签到 ,获得积分10
2分钟前
乐正怡完成签到 ,获得积分0
2分钟前
yue完成签到,获得积分10
2分钟前
幽默大象完成签到 ,获得积分10
2分钟前
krathhong完成签到 ,获得积分10
2分钟前
粗犷的芝完成签到 ,获得积分20
2分钟前
marceloclaro完成签到,获得积分10
2分钟前
Jessica英语好完成签到 ,获得积分10
2分钟前
loren313完成签到,获得积分0
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709863
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921