双编码器边缘检测网络

海岸线检测精度提升

通过注意力机制融合传统局部特征与全局上下文信息，实现高效准确的海岸线边缘检测。

Meijun, Liu · 崔红霞

2024

参数信息

训练速度提升（vs HED）

2.15 %

训练速度提升（vs RCF）

5.3 %

像素精度提升（vs Unet）

3.97 %

技术优势

抗干扰更强

通过注意力机制融合局部特征与全局上下文，模型在面对更多干扰线条图像时仍能保持良好检测效果。

训练更快

在相同 GPU 上训练速度超过 HED 和 RCF，节省训练时间成本。

检测更准

像素精度相比 Unet 模型提升 3.97%，边缘定位更精确。

应用场景

• 海岸线监测：提升海岸线变化检测精度，辅助侵蚀与淤积动态监测。
• 遥感图像边缘检测：在遥感图像中更准确定位地物边界，减少人工解译工作量。
• 海洋工程测绘：提供更可靠的海岸线基准，辅助工程规划与施工测量。