UPerNet 水体分割模型

精度高达96.0%

与 U-Net 和 DeeplabV3+ 相比，UPerNet 在水体提取中精度最高，显著优于传统水体指数方法。

资锋 · Yong, Wang · 卢善龙 · Ikhumhen, Harrison Odion · 房春 · Li, Xinru · Nan, Wang · Xinya, Kuang

Remote Sensing 2024

参数信息

水体提取精度

96.0 %

技术优势

精度大幅提升

UPerNet 语义分割精度最高达 96.0%，相比传统水体指数方法有显著提升，可减少误判和漏判。

三种网络中最佳

在 U-Net、DeeplabV3+ 和 UPerNet 三种语义分割网络中，UPerNet 的提取效果最佳，为遥感水体分割提供了明确的模型选择依据。

应用场景

• 水体遥感监测：用深度学习替代传统指数，提升干旱区湖泊水体监测精度。
• 水资源管理：精准掌握尾闾湖水域变化，为塔里木河与车尔臣河水资源配置提供依据。
• 内陆湖生态保护：监测下游 Taitma 湖水域退缩，支撑生态保护决策。
• 遥感图像语义分割：验证 UPerNet 在干旱区水体提取中的精度与适用性。