一种改进TransUNet的高分辨率遥感影像滑坡提取方法

作者：胡富杰; 吕伟才^*; 周福阳; 郭晓慧; 卢福康

来源：无线电工程, 2023, 1-11.

• 深度学习
• 滑坡提取
• FATransUNet
• 毕节滑坡数据

遥感影像滑坡识别方法对于抢险应急指挥具有重要意义。TransUNet模型由于其架构中的注意力机制计算复杂度高，且跳跃连接无法实现相邻特征图之间的对齐，导致模型训练时间长，无法有效的利用浅层高分辨率特征信息。针对上述问题，本文对TransUNet模型架构进行了改进，提出一种改进的流对齐TransUNet（Flow Alignment TransUNet，FATransUNet）模型。首先，将原始结构中的Transformer模块替换为Efficient Transformer模块，有效降低模型的计算复杂度。其次，引入流对齐模块（FAM），替换原始的跳跃连接、特征拼接和解码阶段中的上采样操作，既能够简化运算过程，又有效的融合了浅层中的高分辨率信息。基于开源的毕节滑坡数据集实验表明，FATransUNet模型的F1评分和mIoU分别达到了91.4%和91.1%，均高于其他五种模型（FCN、U-Net、SegNet、DeepLabV3+、TransUNet）的精度，有效抑制了复杂背景对滑坡提取的干扰，提升了高分辨率遥感影像中滑坡的提取精度。

• 单位
  东华理工大学; 安徽理工大学