典型文献
基于多尺度特征融合的小样本遥感图像分割
文献摘要：
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.
文献关键词：
遥感图像;语义分割;多尺度特征融合;迁移学习;注意力机制
中图分类号：
作者姓名：
王俊杰;张军航
作者机构：
中国海洋大学工程学院,山东青岛266100
文献出处：
引用格式：
[1]王俊杰;张军航-.基于多尺度特征融合的小样本遥感图像分割)[J].华中科技大学学报（自然科学版）,2022(03):62-67
A类：
B类：
多尺度特征融合,遥感图像分割,训练样本,本有,遥感图像检测,检测精度,注意力机制,金字塔,注意力网络,DPA,Net,迁移学习方法,DeeplabV3+,网络架构,两路,低层,低级,空间信息,增强模型,噪音,响应能力,检测效果,图像数据集,小样本数据集,联合训练,网络学习,学习性,语义分割
AB值：
0.309963
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
