Resumen

La segmentación precisa de imágenes de teledetección puede guiar bien las actividades humanas, pero los métodos actuales de segmentación semántica de imágenes no pueden cumplir con los requisitos de reconocimiento semántico de alta precisión de imágenes complejas. Para mejorar aún más la precisión de la segmentación semántica de imágenes de teledetección, este artículo propone un nuevo método de segmentación semántica de imágenes basado en Redes Generativas Adversarias (GAN) y Redes Neuronales Convolucionales Completamente Convolucionales (FCN). Este método construye una red profunda de segmentación semántica basada en FCN, que puede mejorar el campo receptivo del modelo. GAN se integra en la red de segmentación semántica FCN para sintetizar la información de características de imagen global y luego segmentar con precisión la imagen compleja de teledetección. A través de experimentos en una variedad de conjuntos de datos, se puede observar que el método propuesto puede cumplir con los requisitos de alta eficiencia de segmentación semántica de imágenes complejas y tiene buenas capacidades de segment

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Preciso; Teledetección; Segmentación de imágenes; Reconocimiento semántico; Red Generativa Adversaria; Red Neuronal Convolucional Totalmente Convolucional
• Keywords:Accurate; Remote sensing; Image segmentation; Semantic recognition; Generative Adversarial Network; Fully Convolutional Neural Network