文章预览
↑ 点击 蓝字 关注极市平台 作者丨AI视界引擎 来源丨AI视界引擎 编辑丨极市平台 极市导读 作者首次探讨将U-KAN应用于农田像素分割,从性能和可解释性角度分析U-KAN和U-Net >> 加入极市CV技术交流群,走在计算机视觉的最前沿 段落分割对于提升农业生产力、监控作物的健康状况以及推广可持续的农业实践是至关重要的。为这项任务采用的深度学习模型必须确保准确和可靠的预测,以避免经济损失和环境影响。 新提出的Kolmogorov-Arnold网络(KANs)在神经网络的性能方面提供了有前景的进展。本文分析了将KAN层整合到U-Net架构(U-KAN)中,使用Sentinel-2和Sentinel-1卫星图像对农田进行分割,并提供这些网络的性能和可解释性的分析。 作者的研究发现,与传统的全卷积U-Net模型相比,在更少的GFLOPs下,IoU提高了2%。此外,基于梯度的解释性技术表明,U-KAN
………………………………