采用通道域注意力机制Deeplabv3+算法的遥感影像语义分割

作者：徐长友^*; 樊绍胜; 朱航

来源：控制工程, 2023, 30(02): 368-375.

DOI：10.14107/j.cnki.kzgc.20200865

• 深度学习
• 语义分割
• 注意力机制
• Deeplabv3+
• 遥感影像

为提取高分辨率遥感影像的典型地物，且针对Deeplabv3+在遥感图像分割任务中，边缘分割比较模糊，存在孔洞和遗漏分类的问题，基于深度学习提出在Deeplabv3+加入通道注意力机制模块以增强分割结果的方法。先通过深度卷积网络得到的高级特征图输入到通道注意力机制，进行通道间像素特征强化，再通过空间金字塔池获得多尺度输入图像，并且进行了类别不平衡的修正，提取出了完整的图像分割信息，实现了分割边界信息的优化。最后，通过采集广州市高分二号遥感影像进行遥感数据处理、标注、增强之后进行实验，对比经典语义分割网络U-Net、SegNet、PSPNet，结果表明，该方法的评估指标MIOU达到了96.19%,MPA达到了97.85%。

• 单位
  长沙理工大学