改进U-Net模型的无人机影像在建道路分类 |
| |
引用本文: | 胡荣明,魏青博,竞霞,廖雨欣,任乐宽.改进U-Net模型的无人机影像在建道路分类[J].遥感信息,2023(5):8-15. |
| |
作者姓名: | 胡荣明 魏青博 竞霞 廖雨欣 任乐宽 |
| |
作者单位: | 西安科技大学测绘科学与技术学院 |
| |
基金项目: | 国家自然科学基金项目(42171394); |
| |
摘 要: | 针对无人机影像背景复杂,城市在建道路分类易被相似目标、建设设施等信息干扰的问题,提出了基于改进U-Net模型的无人机影像在建道路提取模型。为获取更深层次的边界细节信息,采用Res2net结构分阶替换原有U-Net网络的卷积层,提高网络下采样深度;增加CBAM双注意力机制模块引于各分块特征信息之后,对空间和通道进行重新校准,强调道路特征,校正模型参数;引入改进的Dense ASPP模块,与前层次的细节信息拼接,增强道路区域上下文信息的获取能力。结果表明,所提出的改进U-Net网络训练的提取模型在精确率、召回率、F1分值、平均交并比等评价指标上,均优于传统的U-Net、DeeplabV3+、HRnet等网络模型,可有效提取建设道路各阶段信息,针对在建道路项目的施工进度监测提供方法支持。
|
关 键 词: | 无人机影像 语义分割 深度学习 注意力机制 道路提取 |
|
|