一项新研究对五种卷积神经网络（CNN）架构进行了卫星土地覆盖分割的基准测试，重点关注效率-准确性权衡。研究发现，MobileNetV2_v1（一个24.98 MB的轻量级模型）在DeepGlobe数据集上取得了最高的准确率（0.7906）和平均交并比（0.4625）。该轻量级模型优于InceptionV3_v2和VGG16_v2等大型架构，证明了在资源受限的遥感应用中，优化后的迁移学习模型是有效的。虽然在城市、农业和水体类别分类方面表现强劲，但模型在光谱相似的类别（如牧场-裸地）上遇到了困难，这表明仅靠架构优化无法解决所有的分割挑战。 AI
影响 证明了轻量级、迁移学习模型可以在卫星图像分割等专业任务中实现高精度，从而在资源受限的环境中实现更广泛的应用。
排序理由 学术论文，详细介绍了针对特定任务的CNN架构的受控基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
