典型文献
基于改进Deeplabv3+的遥感图像语义分割研究
文献摘要：
遥感图像分割在城市规划、土地资源管理、交通规划等领域中发挥了重要作用,但是遥感图像中环境复杂、地物尺度差别较大,给遥感图像的分割带来一定难度.采用一个结合通道注意力的特征融合模块,替代Deeplabv3+网络中的解码器部分,以自适应地从高层特征引导的低层特征中选择有用的空间细节特征,并筛选相关干扰信息.其中通过通道注意力机制来得到加权后的高层特征,有利于提取全局上下文以及更有效的语义信息,并利用加权后的高层特征指导提取精细化的低层特征信息,以保留更多的图像边缘、纹理等信息.在INRIA Aerial Image高分辨率遥感图像数据集上进行训练和测试,并与相关模型进行对比,研究结果表明,改进后的Deeplabv3+网络在遥感图像分割中性能优异,改善了目标边缘以及小尺度目标物体的分割效果,具有一定的研究和应用价值.
文献关键词：
遥感图像;Deeplabv3+;通道注意力;特征融合;语义分割
中图分类号：
作者姓名：
高芳;舒远仲;朱雯雯
作者机构：
南昌航空大学信息工程学院,南昌 330063
文献出处：
引用格式：
[1]高芳;舒远仲;朱雯雯-.基于改进Deeplabv3+的遥感图像语义分割研究)[J].南昌航空大学学报（自然科学版）,2022(02):24-31
A类：
B类：
Deeplabv3+,遥感图像语义分割,遥感图像分割,城市规划,土地资源管理,交通规划,中环,环境复杂,地物,尺度差,合通,特征融合模块,解码器,特征引导,低层,细节特征,选相,通道注意力机制,来得,全局上下文,语义信息,特征信息,图像边缘,INRIA,Aerial,Image,高分辨率遥感图像,图像数据集,相关模型,小尺度目标,分割效果,研究和应用
AB值：
0.367487
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。
