基于自注意力机制的遥感影像建筑物提取方法研究

作者：高亦远; 佘江峰; 赵强; 汪李娜

来源：信息技术与信息化, 2022, (11): 5-8.

• 建筑物提取
• 遥感影像
• 深度学习
• U-Net
• Transformer
• 自注意力

遥感影像中的建筑物提取是一项具有挑战性的任务。近年来，众多基于卷积神经网络(convolutional neural network,CNN)的深度学习建筑物提取方法被提出，并取得了超越传统方法的效果。但是卷积神经网络也有其局限性：随着网络深度的增加，浅层的图像特征会被丢失，造成网络性能退化；由于卷积操作天生的局部性，卷积神经网络仅能获取局部信息，而不能利用全局上下文信息。Transformer是一种新的神经网络架构，采用全局自注意力机制设计，可以为网络提供全局信息利用能力，将其与传统CNN结合，可以弥补互相的不足。基于此，提出了一种新的混合模型，将经典的U-Net语义分割模型和Vision Transformer(ViT)集成。通过将自注意力机制引入CNN结构当中，使模型拥有了提取多层次细节信息和全局信息的能力，可以提供准确的建筑物预测结果，同时很好地保持建筑物的边缘轮廓。实验结果证明了方法的有效性。

• 单位
  南京大学