融合Siam-U-Net++和注意力机制的水体变化检测——以三峡库区奉节县为例

作者：林娜; 郭江^*; 王斌; 周俊宇; 何静

来源：遥感技术与应用, 2023, 38(06): 1364-1372.

• 水体变化检测
• 深度学习
• 三峡库区
• Siam-U-Net++网络
• ResNet34
• 注意力机制

由于三峡库区的复杂地形特点和受到部分区域的阴影遮盖影响，因此水体变化检测容易出现漏检误检。针对这一情况，为了能够提高水体变化检测结果的精度，提出了一种融合Siam-UNet++和scSE注意力机制的三峡库区水体变化检测算法。利用编码阶段共享权值的Siam-UNet++为主干网络，在编码器网络单元上选择拥有残差结构的ResNet34网络，快速高效获取水体变化特征信息。在Siam-U-Net++的上采样之后引入结合通道注意力和空间注意力的scSE注意力机制模块。在自制的库区奉节县数据集上分别与LinkNet、U-Net++、DeeplabV3+网络模型以及NDWI进行应用测试，并引用不同注意力机制进行对比实验，其召回率、精确率和F1值分别为94.57%、90.75%、92.62%，均优于其他模型。实验结果表明该算法有效提高了在水体变化检测结果上的效果。

• 单位
  重庆交通大学