文献检索-宁波市创意产业特色资源库

限定检索结果

基于CNN-Transformer的SAR图像语义描述方法: 收藏
分享
引用; 《资源导刊》2024年第16期 37-40,44页; 作者：于兴超岳耀陈庆大连某部队辽宁大连116023 广州某部队广东广州510600; 针对SAR图像语义描述方法,设计一种联合卷积神经网络(CNN)和Transformer的深度学习网络模型架构,实现遥感图像的语义描述生成。该模型架构主要分为两个部分:特征提取器和描述生成器。对于特征提取器,在分析对比Inception-v3、ResNet、VG...; 针对SAR图像语义描述方法,设计一种联合卷积神经网络(CNN)和Transformer的深度学习网络模型架构,实现遥感图像的语义描述生成。该模型架构主要分为两个部分:特征提取器和描述生成器。对于特征提取器,在分析对比Inception-v3、ResNet、VGGNet以及EfficientNet四种经典的CNN特征提取方法基础上,选择EfficientNet模型作为主要的特征提取器。借助Transformer模型的自注意力机制设计描述生成器,生成SAR图像的语义描述。实验结果表明,不同特征提取方法下的CNN-Transformer均能较好地完成SAR图像语义描述,其中EfficientNetB4模型效果最佳,验证准确率达0.8369。; 来源：详细信息评论

限定检索结果