针对遥感影像语义分割数据的类别不平衡导致传统神经网络模型趋向于忽略困难样本、推理结果存在空洞和分割准度下降等问题，提出了一种钻形神经网络语义分割方法。首先，定义新的桥接模块用于融合浅层和深层特征信息，使更多建筑细节特征能被网络捕捉；其次，利用多重损失函数在深度学习分割模型训练中加强对困难样本信息的提取；最后，平衡类别训练差异，多层次提取遥感影像中的地物信息，提高分割准度。实验结果表明，所提方法的平均交并比达到0.849，建筑物漏识率和错识率较少，分割准度相比现有方法有一定的提高。
科研之友
微信
新浪微博
Facebook
分享链接
