融合FCN-ViT的语义分割与密度预测应用研究

针对河岸植被分布复杂性及密度多样性带来的监测难题,提出了一个语义分割与密度预测双重网络SEGDEN-Net,实现并行植被高精度分割和密度预测。首先,采用无人机获取三峡库区香溪河河道的航拍图像,构建了一个包含语义标签和密度标签的数据集。其次,融合全卷积神经网络(fully convolutional network,FCN)和Vi T(vision transformer)各自优势,捕捉多尺度的局部与全局信息。最后,增设了一个密度预测分支,达到并行预测,以减少时间与计算成本。实验结果表明,与其他经典网络相比,所提出的模型在mIoU、准确率和Kappa系数等指标上均有提升,密度预测任务的预测结果达到了比人工标记更高的精度。两任务的结合及并行预测降低了各方面的成本,可进一步应用于重金属污染估计,为环境保护提供新的技术手段。