| 基于DeepLabv3+的遥感建筑物语义分割算法 |
| |
| 引用本文： | 胡智翔,鲍胜利,徐传淇,王浩然.基于DeepLabv3+的遥感建筑物语义分割算法[J].计算机应用,2021,41(z2):71-75. |
| |
| 作者姓名： | 胡智翔 鲍胜利 徐传淇 王浩然 |
| |
| 作者单位： | 中国科学院成都计算机应用研究所,成都610041;中国科学院大学,北京100049 |
| |
| 摘 要： | 针对遥感图像语义分割中的小目标分割不全、边界精度不高,以及模型参数量大、实时性达不到需求等问题,通过改进DeepLabv3+网络来满足遥感语义分割任务中对精度和实时性的要求.该算法首先将高分辨率的遥感图像裁剪为统一尺寸的低分辨率图像,便于针对小目标物的分割和批量训练.其次,使用轻量级网络MobileNet作为特征提取基干网络并在编码阶段后引入通道间注意力模块,在保证不损失分割性能的前提下,极大地减少了模型的参数量,使模型搭载在移动端和嵌入式设备上成为可能.最后,为了解决正负样本不均衡对模型性能产生的影响,将Focal loss和Dice loss合并起来充当损失函数进行网络训练.最终在马萨诸塞州建筑数据集上,相较于引入双注意力机制的DeepLabv3+网络,其分割像素精度(PA)和交并比(IoU)分别仅损失0.6和1.1个百分点,但模型大小仅为20.1 MB,为双注意力DeepLabv3+模型的1/7左右,在中央处理器(CPU)单张分割耗时上仅为399 ms,分割效率为其两倍多.该算法在充分保证分割精度的同时,能尽可能地提升模型的便携性和实时性.
|
| 关 键 词： | 遥感图像 语义分割 DeepLabv3+网络 MobileNet 样本不均衡 注意力机制 |
Semantic segmentation algorithm for remote sensing buildings based on DeepLabv3+ |
| |
| HU Zhixiang,BAO Shengli,XU Chuanqi,WANG Haoran.Semantic segmentation algorithm for remote sensing buildings based on DeepLabv3+[J].journal of Computer Applications,2021,41(z2):71-75. |
| |
| Authors: | HU Zhixiang BAO Shengli XU Chuanqi WANG Haoran |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
