基于DeepLabv3+的遥感建筑物语义分割算法

作者：胡智翔; 鲍胜利; 徐传淇; 王浩然

来源：计算机应用, 2021, 41(S2): 71-75.

• 遥感图像
• 语义分割
• DeepLabv3+网络
• MobileNet
• 样本不均衡
• 注意力机制

针对遥感图像语义分割中的小目标分割不全、边界精度不高,以及模型参数量大、实时性达不到需求等问题,通过改进DeepLabv3+网络来满足遥感语义分割任务中对精度和实时性的要求。该算法首先将高分辨率的遥感图像裁剪为统一尺寸的低分辨率图像,便于针对小目标物的分割和批量训练。其次,使用轻量级网络MobileNet作为特征提取基干网络并在编码阶段后引入通道间注意力模块,在保证不损失分割性能的前提下,极大地减少了模型的参数量,使模型搭载在移动端和嵌入式设备上成为可能。最后,为了解决正负样本不均衡对模型性能产生的影响,将Focal loss和Dice loss合并起来充当损失函数进行网络训练。最终在马萨诸塞州建筑数据集上,相较于引入双注意力机制的DeepLabv3+网络,其分割像素精度(PA)和交并比(IoU)分别仅损失0.6和1.1个百分点,但模型大小仅为20.1 MB,为双注意力DeepLabv3+模型的1/7左右,在中央处理器(CPU)单张分割耗时上仅为399 ms,分割效率为其两倍多。该算法在充分保证分割精度的同时,能尽可能地提升模型的便携性和实时性。

• 单位
  中国科学院大学; 中国科学院成都计算机应用研究所