科研之友
微信
新浪微博
Facebook
分享链接
摘要
高分辨率无人机遥感图像具有极为丰富的语义和地物特征，其在语义分割时容易出现目标分割不全、边缘信息缺失、分割精度不足等问题。为了解决上述问题，本文基于DeepLabV3＿plus模型提出改进的DeepLabV3＿DHC。首先，利用多种主干网络进行下采样，采集图像的低级特征和高级特征。其次，将原模型的ASPP结构全部替换成深度可分离混合空洞卷积的结构，同时添加自适应系数，减弱网格效应。之后，抛弃传统上采样的双线性插值法，替换为可学习的密集上采样卷积。最后，在低级特征中串联注意机制。本文选用多种主干网络进行实验，数据集选用部分四川省隆昌市地区的图像,评价指标采用平均交并比和类别平均像素准确率作为参考依据。实验结果表明：本文的方法不仅分割精度更高，还减少了计算量和参数量。
- 单位
