摘要
深度卷积神经网络对高分辨率遥感影像进行语义分割时,对图像的下采样会造成物体边缘模糊,使分割结果在边缘附近划分不清晰,误分类较多.通过在网络中增加边缘信息可以提升模型对遥感图像的分割能力.因此,提出了一个用于语义分割的双路网络模型,增加一路边缘网络学习目标的边缘特征,并利用边缘特征对分割特征进行细化.同时,作为一个多任务学习模型,分割网络和边缘网络可以同时进行训练.本文在ISPRS Potsdam和ISPRS Vaihingen数据集上证明了双路网络模型的有效性,对比多种语义分割模型,均取得了领先的效果.
国家科技期刊平台
NSTL
维普
万方数据