|
基于深度学习技术的单木实例分割研究
发布时间：（2025-06-16）
|
|
|
项目名称：基于深度学习技术的单木实例分割研究
|
|
项目类别：省级
|
|
所属等级：省级重点项目
|
|
项目编号：202510298056Z
|
|
项目组成员：
|
[第一主持人]周宣孜 2310108126 人工智能
[第二主持人]范晨阳 2250610205 计算机科学与技术
|
|
|
所属学院：信息科学技术学院、人工智能学院
|
|
所属专业：人工智能
|
|
指导教师：
|
[第一指导教师]徐昇 信息科学技术学院、人工智能学院
|
|
|
立项时间：2025-06-16
|
|
研究时间：2025年6月 至 2026年5月
|
|
结题验收结果：优秀
|
|
项目研究内容简介：
提出了一种基于频域增强的树木实例分割网络WaveInst 。通过引入离散小波变换（DWT）和高频增强（HFE）模块，对特征图进行频域分解以捕捉不同尺度下的结构信息，并重点强化高频边缘与纹理细节 。同时设计了自适应门控融合模块（AGFM），实现了空间域卷积特征与频域特征的高效融合，改善了树干在遮挡情况下的连贯性。
|
|
项目研究成果：
1.构建了高精度的林木细粒度实例分割数据集（PoplarDataset）：利用无人机RGB图像技术，在真实林下环境中采集并构建了包含成熟树与幼苗的高质量数据集。对树干及极其细微的树枝进行了高精度的像素级轮廓标注，填补了早期生长阶段树木精细形态数据集的空白。
2.提出了频域增强的实例分割网络框架（WaveInst）：针对复杂背景下细小枝干提取困难、边缘易断裂的痛点，创新性地引入了离散小波变换（DWT）与高频增强（HFE）模块，有效强化了模型对空间细节和高频边缘特征的捕捉能力。同时设计了自适应门控融合模块（AGFM），实现了空间语义信息与频域特征的高效融合。
3.实现了显著优于现有算法的分割性能：在自建的PoplarDataset上，WaveInst模型在成熟树提取中达到了53.1的平均精度（mAP）。
|
|
成果图片：
|
|
|
|
发表论文情况：
|
| 论文题目 | 论文作者 | 稿件状态 | 刊物名称 | 刊物类型 | 发表时间 | 学生是第几作者 | 论文附件 | 备注 | | FFGF-Net: A Forestry Fine-Grained Fusion Network for Tree Species Classification from UAV Imagery | 周宣孜 | 录用 | International Journal of Applied Earth Observation and Geoinformation | SCI | 2026-04-17 | 1 | 查看 | |
|
|
论文附件：无附件上传
|
|
|
|
申请专利情况：
|
| 专利题名 | 专利申请者 | 申请专利号及时间 | 授权专利号及时间 | 学生第几权利人 | 备注 |
|
|
专利附件：无附件上传
|
|
|
|
参加竞赛获奖情况：
|
| 竞赛名称 | 竞赛级别 | 竞赛主办单位 | 获奖学生名单 | 获奖等级 | 获奖时间 | 备注 |
|
|
|
|
参加国际、国内学术交流会议情况：
|
| 论文题目 | 论文作者 | 稿件状态 | 会议名称 | 举办单位 | 举办地点 | 举办时间 | 备注 | | 投稿 | 录用 | 会议交流 |
|
|
成果展示材料：无附件上传
|
|
项目研究成果统计表：查看附件
|