图像分割实验：滑坡识别与 VOC
分割模型实践与架构分析
围绕滑坡识别开展分割实践，并完成基于 FCN 与 U-Net 的 VOC2012 训练和分析流程。
项目角色
模型实现与实验
主要方法
遥感 · U-Net · 滑坡提取
研究问题
我的分割工作包含滑坡识别实验，以及独立的 VOC2012 实验流程，将架构研读与模型训练、验证指标和预测可视化结合起来。
我的贡献
- 开展滑坡识别实验，研究分割架构中的多尺度融合与注意力机制。
- 搭建并运行 VOC2012 实验流程，涉及 FCN／U-Net 类模型、训练验证日志、检查点与预测可视化。
技术路线
- 围绕滑坡分割研究多尺度融合、残差注意力、嵌套跳跃连接和空间重建。
- 在独立的通用图像分割实验中使用 VOC2012 图像、标签与数据划分。
- 记录损失、mIoU、像素准确率、频率加权 IoU 和平均类别准确率，并检查预测掩码。
成果与发现
- 将分割架构分析推进到实际训练与实验。
- VOC 流程保留了模型检查点、训练验证日志、损失对比曲线及逐图预测结果。
