16、航空影像语义分割与季节性数据时间序列预测算法

航空影像语义分割与季节性数据时间序列预测算法

航空影像语义分割

在航空影像语义分割领域，我们关注数据集的类别分布、模型训练的超参数、评估指标以及模型预测的置信度等方面。

数据集类别分布

不同数据集的类别分布存在差异。Vaihingen在规模上与Buxtehude和Nienburg接近，但类别分布更接近Potsdam。Hannover作为最大的城市，建筑物数量比其他城市多。Buxtehude和Nienburg的低植被最多，Potsdam有相当数量的杂物。汽车和杂物在所有数据集中都比较罕见，尽管有很多单独的汽车，但由于图像中每辆汽车的面积较小，显示汽车的像素仍然很少。

超参数和模型细节

• BSPSegNet ：训练BSPSegNet使用的超参数如下表所示：
  | 模型 | 骨干网络 | 解码器卷积层数 | 解码器隐藏特征数 | 模型参数数量 | 树深度 | 形状特征数量 | 纹理特征数量 | λC | λR | 自编码器训练轮数 | 训练轮数 | 小批量大小 | 最大学习率 | 最小学习率 |
  | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — |
  | BSPSegNet2 | MobileNetv2 | 3 | 256 | 2.12M | 2 | 8 | 16 | 8 | 1 | 200 | 120 | 36 | 2.4 · 10−3 | 0 |
  | BSPSegNet3 | MobileNetv2 | 3 | 256 | 2.14M | 3 | 16 | 24 | 8 |