面向小目标提取的改进DeepLabV3+模型遥感图像分割北大核心CSCD |
| |
引用本文: | 郭新,张斌,程坤.面向小目标提取的改进DeepLabV3+模型遥感图像分割北大核心CSCD[J].遥感信息,2022(2):34-44. |
| |
作者姓名: | 郭新 张斌 程坤 |
| |
作者单位: | 1.中国地质大学(武汉)地理与信息工程学院;2.武汉工程大学计算机科学与工程学院; |
| |
摘 要: | 针对DeepLabV3+模型在遥感影像语义分割中呈现出小尺度地物语义信息丢失、数据类别不均衡引起误差等缺陷,提出了一种面向小目标提取的改进DeepLabV3+语义分割模型。首先,在模型编码器空间空洞金字塔池化(atrous spatial pyramid pooling, ASPP)中引入多组并行空洞卷积(multiple parallel dilated convolution, MPDC)和感受野融合策略;其次,在模型解码器部分加入特征注意力融合模块(feature attention fusion, FAF);最后,使用加权的Lovasz-softmax loss优化损失函数。将改进后的模型通过Landcover和CCF2017高分辨率遥感影像数据集进行验证,结果表明,在两个测试数据集上的平均交并比比原始的DeepLabV3+模型分别提高了1.17%~1.24%和0.85%~0.95%,特别地,小目标如建筑物的交并比相比原始模型分别提升了3.51%~3.86%和2.11%~2.38%,改进后的DeepLabV3+模型能更充分表达高分辨率遥感图像细节信息。
|
关 键 词: | 语义分割 空洞卷积 感受野融合 特征注意力融合 损失函数 |
本文献已被 维普 等数据库收录! |
|