首页|基于轻量级U型网络的遥感影像分割方法研究

基于轻量级U型网络的遥感影像分割方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
全卷积神经网络的出现,让遥感影像分割技术不断进步,但是这些方法常常因为两个问题备受限制.首先,由于编解码网络在跳跃连接部分往往会引起特征冗余,导致深度网络模型无法学习到有用的特征信息;其次,主流的深度网络模型致力于提高遥感影像的分割精度,因此通常采用更为复杂的编码策略导致网络模型参数量巨大,资源消耗多.为解决以上问题,论文提出了两个网络优化策略,首先在网络的跳跃连接部分添加注意力机制模块,使网络能够学习到更加有用的知识,从而提升网络的特征学习能力;其次使用深度可分离卷积代替常规卷积以减少网络参数量,在保证网络对遥感影像分割精度的同时提升网络的泛化能力.基于上述策略,该文章设计了一种新的用于遥感影像分割的轻量化网络.实验结果表明,使用提出的网络模型对遥感影像进行图像分割,准确率达到82.92％,MIoU达到69.85％,模型参数量仅有9.835MB,计算量26.028GFlops.
Research on Remote Sensing Image Segmentation Method Based on Lightweight U-shaped Network

张月、张栋、赵伟强、杜晓刚、雷涛

展开 >

陕西科技大学电子信息与人工智能学院 西安 710021

陕西科技大学陕西省人工智能联合实验室 西安710021

中电科西北集团有限公司西安分公司 西安 710065

深度学习 遥感图像语义分割 深度可分离卷积 注意力机制

61871259618610242021ZDLGY08-07

2022

10.3969/j.issn.1672-9722.2022.09.032

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(9)
  • 4