改进U-Net模型的无人机影像在建道路分类

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。