3 个月前

ResAttUNet:基于注意力机制激活的残差UNet检测海洋垃圾

ResAttUNet:基于注意力机制激活的残差UNet检测海洋垃圾

摘要

目前,深度学习技术在遥感领域的应用已催生大量研究成果。随着海洋垃圾档案库(Marine Debris Archive, MARIDA)这一开源数据集及其基准测试结果的发布,为海洋垃圾检测任务引入深度学习技术开辟了新的研究路径。本文提出了一种新型基于注意力机制的分割方法,其性能超越了MARIDA所公布的现有最先进水平。该方法设计了一种新型的空间感知编码器-解码器架构,能够有效保留遥感图像中稀疏真实标注区域的上下文信息与结构特征。实验结果表明,该方法为未来基于遥感图像的深度学习研究提供了有力支持。相关代码已开源,地址为:https://github.com/sheikhazhanmohammed/SADMA.git。

代码仓库

sheikhazhanmohammed/sadma
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
image-segmentation-on-maridaResAttUNet
F1@M: 0.95
IoU: 0.67

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
ResAttUNet:基于注意力机制激活的残差UNet检测海洋垃圾 | 论文 | HyperAI超神经