摘要
针对合成孔径雷达图像的语义分割问题,构建了一个全新的TerraSAR-X语义分割数据集GDUT-Nansha.然后,为解决传统深度学习方法模型体积大,难以在样本数量偏少的合成孔径雷达图像数据集上应用的问题,对轻量化卷积神经网络ENet模型进行了分析和改造.提出了一种改进的轻量化卷积神经网络模型(revisedweighted loss eNet,RWL-ENet);针对合成孔径雷达图像数据集样本不平衡问题,使用了带有权重的损失函数.通过和其他经典卷积神经网络语义分割模型的对比实验,验证了新数据集的可靠性;同时,在参数量和模型体积远远小于其他网络模型的前提下,RWL-ENet模型在像素精度、平均像素精度、平均交并比三个定量指标上分别达到了0.884、0.804和0.645.
基金项目
国家自然科学基金资助项目(61672007)
广东省国际合作领域项目(2019A050509009)
广东省海洋与渔业厅渔港建设和渔业发展专项资助项目(A201701D04)
流域生态与地理环境监测国家局重点实验室资助项目(WE2016011)
自然资源部大湾区地理环境监测重点实验室开放基金资助项目(2019002)
国家科技期刊平台
NSTL
维普
万方数据