科研之友
微信
新浪微博
Facebook
分享链接
摘要
遥感图像分割是遥感图像处理领域的一项重要应用。针对卷积神经网络在遥感图像分割时存在建筑物错分、漏分，建筑物轮廓分割不准确的问题，基于深度学习网络U-Net，提出了一种结合多尺度注意力和边缘监督的遥感图像分割网络MAE-Net。首先，在编码阶段每层引入多尺度注意力模块，该模块对输入特征图进行通道均等分组，每组使用大小不同的卷积核进行特征提取，之后对每组施加通道注意力机制，通过自学习的方式获得更为有效的特征，解决大小不一建筑物特征提取不准确的问题；其次，在解码阶段引入边缘提取模块，构造边缘监督网络，通过损失函数计算边缘标签和预测边缘的误差，帮助分割网络更好地学习建筑物边缘特征，使建筑物边界的分割结果更为连续、平滑。实验结果表明，MAE-Net能够从背景复杂多样、尺度变化较大的遥感图像中完整地分割出建筑物，且分割精度较高。
- 单位
