科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对绘制遥感图像标签成本高、在实际场景中训练样本有限情况下遥感图像检测精度低的问题，提出了一种结合多尺度特征融合与注意力机制的深度金字塔注意力网络(DPA-Net)并集成迁移学习方法进行小样本遥感图像中建筑物与道路的提取．因为有限训练样本包含的信息有限，所以首先在DeeplabV3+网络架构基础上，增加两路低层特征的来源以充分利用低级特征的空间信息，并且利用注意力机制获取丰富的上下信息并增强模型对目标通道的学习能力，降低对其他目标和噪音的响应能力，改善模型在小样本上检测效果差的问题．最后利用公开遥感图像数据集和小样本数据集进行联合训练的迁移学习方法降低训练样本过少对网络学习性能的影响．实验结果表明：本文方法的精度提高了3.69%，可节省1/2的标注成本．
- 单位
