典型文献
基于改进DeeplabV3+的遥感图像分割算法
文献摘要：
针对高分辨率遥感图像语义分割存在地物边缘分割不连续、小目标分割精度不高的缺陷,本文提出一种基于改进DeeplabV3+的遥感图像分割算法,该算法首先使用分散注意力网络ResNeSt替换DeeplabV3+原始主干网络Xeception,以提取更丰富的深层语义信息,从而提高图像分割精度;其次引入坐标注意力机制(CA),有效获得更精确的分割目标位置信息,使得分割目标边缘更加连续;最后在解码层中采用级联特征融合方法(CFF)提高网络的语义信息表征能力.试验结果表明,该算法在中国南方某城市的高清遥感图像数据集分割任务上mIoU高达97.07％,相比原始DeepLabV3+模型提高了3.39％,能够更好地利用图像语义特征信息,为解译遥感图像语义信息提供一种新的思路.
文献关键词：
遥感图像;DeeplabV3+;ResNeSt;注意力机制;特征融合
中图分类号：
作者姓名：
黄聪;杨珺;刘毅;谢鸿慧
作者机构：
江西农业大学软件学院 南昌330045
文献出处：
引用格式：
[1]黄聪;杨珺;刘毅;谢鸿慧-.基于改进DeeplabV3+的遥感图像分割算法)[J].电子测量技术,2022(21):148-155
A类：
Xeception
B类：
DeeplabV3+,遥感图像分割,图像分割算法,高分辨率遥感图像,遥感图像语义分割,地物,边缘分割,小目标分割,分散注意力,注意力网络,ResNeSt,主干网络,深层语义信息,坐标注意力机制,CA,目标位置,位置信息,解码,特征融合,融合方法,CFF,语义信息表,信息表征,表征能力,中国南方,某城,高清,图像数据集,mIoU,DeepLabV3+,语义特征,特征信息,解译,图像语义信息
AB值：
0.390154
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。
