首页|融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取

融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
针对高分辨率遥感影像中道路形状结构错综复杂，出现窄小型道路提取错误或漏分的问题，提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先，在原始高分辨率网络(HRNet)基础上，通过引入空洞空间金字塔池化模块，实现多尺度道路信息融合;再引入挤压激励通道注意力机制，增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化，以降低模型计算复杂度。在公开数据集上进行了模型性能测试，实验结果表明，文章所提算法的准确率、精确率、召回率、F1 分数和平均交并比，相比原始HRNet分别提升了5。35%、2。15%、4。1%、3。15%和 14。34%，且减少了 36。1%的参数数量;相比其他网络，该算法突出了细小道路的特征，道路预测结果连续性、完整性好，并且模型小易于部署在实时检测设备中，有效改善了道路提取任务中错分和缺失的情况，是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。
Lightweight Remote Sensing Image Road Extraction Combing Atrous Spatial Pyramid Pooling and Attention Mechanism
Aiming at the problem of intricate road shape and structure in high-resolution remote sensing images,where narrow and small roads are extracted incorrectly or omitted,a lightweight remote sensing image road extraction method based on Atrous Space Pyramid Pooling and Attention Mechanism is proposed.Firstly,based on the original HRNet network,multi-scale road information fusion is realized by introducing the ASPP.Secondly,the Squeeze and Excitation channel attention mechanism(SE-networks)is introduced to enhance the quality of network feature representation.Finally,using deep separable convolution to improve the network residual module to realize the model lightweight and reduce the complexity of model calculation.Experimental results on the publicly available dataset show that the accuracy,precision,recall,F1 score and the MIoU of the proposed algorithm was improved respectively by 5.35%,2.15%,4.1%,3.15%and 14.34%,compared with the original HRNet network,and reduce the number of parameters by 35.6%.Compared with other networks,the algorithm highlights the characteristics of small roads,and the prediction results have good continuity and integrity.As the small size,the proposed model is easier to deploy in real-time detection equipment.The proposed model effectively reduces the road extraction fault and missing,implements a stronger adaptability,higher segmentation accuracy,more lightweight multi-scale road semantic segmentation algorithm.

road extractionASPPchannel attention mechanismseparable convolutionHigh-Resolution Networkremote sensing images

刘志恒、岳子腾、周绥平、江澄、节永师、陈雪梅

展开 >

西安电子科技大学空间科学与技术学院,西安 710126

北京航空航天大学电子信息工程学院,北京 100191

北京空间机电研究所先进光学遥感技术北京市重点实验室,北京 100094

西安航天天绘数据技术有限公司,西安 710100

展开 >

道路提取 空间金字塔池化 通道注意力机制 可分离卷积 高分辨率网络 遥感影像

陕西省自然科学基础研究计划资助项目先进光学遥感技术北京市重点实验室开放基金项目自然资源部矿山地质灾害成灾机理与防控重点实验室项目中央高校基本科研业务费专项资金资助项目自然资源部国土卫星遥感应用重点实验室开放基金项目

2023-JC-QN-0299AORS202382022-08300102353502KLSMNR-G202303

2024

10.3969/j.issn.1009-8518.2024.01.010

航天返回与遥感
中国航天科技集团公司第五研究院第508研究所

航天返回与遥感

CSTPCD北大核心
影响因子：0.669
ISSN：1009-8518
年,卷(期)：2024.45(1)
  • 25