Presentation Details
基于SAM的田块自适应高精度提取方法
ID：3270
View Protection：ATTENDEE
Updated Time：2024-04-13 11:31:46 Hits：2926
Oral Presentation
Start Time：2024-05-18 15:35（Asia/Shanghai）
Duration：10min
Session：S7 主题7、遥感与地理信息科学 »
No files
Abstract
针对深度学习方法在田块提取中需要大量标注样本导致的开发时效长、成本高的问题，本研究提出了一种基于分割任意物模型（SAM）的方法。通过增加迭代分割和掩模重叠过滤等方法，增强了模型在遥感影像中的田块提取性能。此外，通过结合基于交并比（IOU）的田块掩码拼接法，提高了田块的完整性和准确性。实验表明，在多空间分辨率的遥感影像中，发现亚米级情况下田块提取的结果最好。另外, 在多地区和地形的遥感影像中，田块提取的F1分数和IOU也获取了较好的结果，两者约为0.90。总体而言，在亚米级遥感影像中，该方法对不同地区和地形条件的遥感影像，均能获得高精度和强泛化性的田块提取结果，大大降低了所需的样本、时间和成本，提高了田块提取的效率。
Keywords
深度学习,农田地块,遥感卫星,sam
Speaker
李会宾
助理研究员 中国农业科学院Submission Author
All Comments
Important Date
-
Conference Date
May 17
2024
toMay 20
2024
-
Mar 31 2024
Draft paper submission deadline
-
Mar 31 2024
Contribution Submission Deadline
-
May 20 2024
Registration deadline
Sponsored By
青年地学论坛理事会
Organized By
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
Contact Information
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
Submit Comment