基于轻量级U型网络的遥感影像分割方法研究

作     者：张月 张栋 赵伟强 杜晓刚 雷涛 ZHANG Yue;ZHANG Dong;ZHAO Weiqiang;DU Xiaogang;LEI Tao

作者机构：陕西科技大学电子信息与人工智能学院西安710021 陕西科技大学陕西省人工智能联合实验室西安710021 中电科西北集团有限公司西安分公司西安710065 

基　　金：国家自然科学基金项目(编号:61871259,61861024) 陕西省重点研发计划重点产业创新链项目(编号:2021ZDLGY08-07)资助 

出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)

年 卷 期：2022年第50卷第9期

页      码：2053-2058页

摘      要：全卷积神经网络的出现,让遥感影像分割技术不断进步,但是这些方法常常因为两个问题备受限制。首先,由于编解码网络在跳跃连接部分往往会引起特征冗余,导致深度网络模型无法学习到有用的特征信息;其次,主流的深度网络模型致力于提高遥感影像的分割精度,因此通常采用更为复杂的编码策略导致网络模型参数量巨大,资源消耗多。为解决以上问题,论文提出了两个网络优化策略,首先在网络的跳跃连接部分添加注意力机制模块,使网络能够学习到更加有用的知识,从而提升网络的特征学习能力;其次使用深度可分离卷积代替常规卷积以减少网络参数量,在保证网络对遥感影像分割精度的同时提升网络的泛化能力。基于上述策略,该文章设计了一种新的用于遥感影像分割的轻量化网络。实验结果表明,使用提出的网络模型对遥感影像进行图像分割,准确率达到82.92%,MIoU达到69.85%,模型参数量仅有9.835MB,计算量26.028GFlops。

主 题 词：深度学习 遥感图像语义分割 深度可分离卷积 注意力机制 

学科分类：0810[工学-土木类] 08[工学] 081002[081002] 

D　O　I：10.3969/j.issn.1672-9722.2022.09.032

馆 藏 号：203115470...