融合残差注意力机制的深度可分离UNet泥石流堆积扇分割

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：为解决传统机器学习方法在泥石流堆积扇识别中的精度低、效果差的问题，提出一种基于深度学习的残差注意力可分离UNet算法（RAMS-UNet）。该算法在编码部分采用VGG16主干网络进行特征提取，加深网络层次；在跳跃连接部分引入改进的注意力机制，强化信息传递；在解码部分使用深度可分离卷积和密集连接块，进一步增强空间和通道上的信息表达能力。（剩余13288字）

试读结束

目录
monitor