基于多尺度条件生成对抗网络（MSR-cGAN）的高分辨率遥感图像目标区域检测

作者：郭杨亮; 马瑞娟; 韩子清

来源：河南科学, 2022, 40(09): 1377-1383.

• 卷积神经网络
• 生成对抗网络
• 高分辨率遥感图像
• 建筑物提取

针对目前深度卷积神经网络（Convolutional Neural Network,CNN）在遥感图像建筑物提取上存在小目标漏分、被遮挡目标无法提取、细节缺失等问题，在生成对抗网络（Generative Adversarial Network,GAN）的基础上提出一种基于多尺度条件生成对抗网络（Multi-Scale Conditional Generative Adversarial Network,MSR-cGAN）的城市建筑物提取方法.该方法包括生成网络和对抗网络两个部分，在生成网络中加入循环残差卷积模块和注意力门限跳跃连接机制，增强模型的特征提取能力；在对抗网络中引入通道注意力的特征融合，使网络提取丰富的上下文信息，应对目标尺度变化，改善小目标分割效果.在实验过程中，对Inria Aerial Image Labeling建筑物提取数据集进行实验并与多种方法进行比较，结果表明，所提出的方法具有更高的目标分割准确率，对小目标与被遮挡目标取得了较好的分割效果.在训练数据有限、背景复杂多样、尺度变化较大的建筑物提取中分割准确率分别达到96.18%，表明提出的方法可应用于复杂的高分辨率遥感图像建筑物提取.

• 单位
  河南省地质调查院