全局信息提取与重建的遥感图像语义分割网络

作     者：梁龙学 贺成龙 吴小所 闫浩文 LIANG Longxue;HE Chenglong;WU Xiaosuo;YAN Haowen

作者机构：兰州交通大学电子与信息工程学院甘肃兰州730070 兰州交通大学测绘与地理信息学院甘肃兰州730070 

基　　金：国家重点研发计划资助项目(2022YFB3903604) 甘肃省自然科学基金资助项目(21JR7RA310) 兰州交通大学青年科学基金资助项目(2021029) 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2024年第58卷第11期

页      码：2270-2279,2319页

摘      要：为了将遥感场景图像更好地进行分割,供给下游任务使用,提出多尺度注意力提取与全局信息重建网络.编码器引入多尺度卷积注意力骨干到遥感深度学习语义分割模型中.多尺度卷积注意力能够捕获多尺度信息,给解码器提供更丰富的全局深浅层信息.在解码器,设计了全局多分支局部Transformer块.多尺度逐通道条带卷积重建多尺度空间上下文信息,弥补全局分支存在的空间信息割裂,与全局语义上下文信息共同重建全局信息分割图.解码器末端设计极化特征精炼头.通道上利用softmax和sigmoid组合,构建概率分布函数,拟合更好的输出分布,修复浅层中潜在的高分辨率信息损失,指导和融合深层信息,获得精细的空间纹理.实验结果表明,网络实现了很高的精确度,在ISPRS Vaihingen数据集上达到82.9%的平均交并比,在ISPRS Potsdam数据集上达到87.1%的平均交并比.

主 题 词：语义分割 Transformer 多尺度卷积注意力 全局多分支局部注意力 全局信息重建 

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

核心收录：

D　O　I：10.3785/j.issn.1008-973X.2024.11.008

馆 藏 号：203144485...