Andere Kunden interessierten sich auch für
![Características de la realización del liderazgo político de Donald Trump]( "Características de la realización del liderazgo político de Donald Trump")
Características de la realización del liderazgo político de Donald Trump33,99 €![El papel de la SADC en la resolución de conflictos en la RDC 1998-2003]( "El papel de la SADC en la resolución de conflictos en la RDC 1998-2003")
El papel de la SADC en la resolución de conflictos en la RDC 1998-200347,99 €![Resolución 1325 de la ONU: El escenario de África Oriental]( "Resolución 1325 de la ONU: El escenario de África Oriental")
Resolución 1325 de la ONU: El escenario de África Oriental33,99 €![Imágenes de amante y amada en la creación de Hafiz Khorazmi]( "Imágenes de amante y amada en la creación de Hafiz Khorazmi")
Imágenes de amante y amada en la creación de Hafiz Khorazmi40,99 €![La Unión Africana y la resolución de conflictos]( "La Unión Africana y la resolución de conflictos")
La Unión Africana y la resolución de conflictos29,99 €![El papel de Etiopía en la resolución de conflictos en el Cuerno de África]( "El papel de Etiopía en la resolución de conflictos en el Cuerno de África")
El papel de Etiopía en la resolución de conflictos en el Cuerno de África19,99 €![La resolución del conflicto en la RD del Congo hacia la paz internacional]( "La resolución del conflicto en la RD del Congo hacia la paz internacional")
La resolución del conflicto en la RD del Congo hacia la paz internacional26,99 €
La detección de características de las carreteras a partir de imágenes de teledetección es crucial para mantener una red de carreteras actualizada y fiable, esencial para el transporte, la planificación de emergencias y la navegación. Aunque las redes neuronales convolucionales han demostrado ser prometedoras en la automatización de este proceso, los métodos existentes a menudo sacrifican precisión por complejidad. Este estudio pretende desarrollar un método preciso de extracción de carreteras sin sacrificar la eficiencia computacional. Proponemos una red neuronal de segmentación semántica que combina el aprendizaje por transferencia y la arquitectura U-net con una complejidad mínima. Se emplean técnicas de postprocesado para mejorar la calidad de los resultados. Nuestro método alcanza una puntuación F1 de 0,83 y una precisión del 95,57%, superando a otros modelos en el conjunto de datos de Massachusetts. Este enfoque demuestra un rendimiento superior y una complejidad de red reducida en comparación con los métodos existentes.