典型文献
基于改进U-Net模型的高分辨率遥感影像中城市建筑物的提取
文献摘要：
针对高分辨率遥感影像中城市建筑物周围环境复杂多样,易被阴影遮挡,难以精细化提取的问题,提出一种改进的U-Net网络用于图像中的城市建筑物提取.该网络在标准U-Net网络的编码器末端嵌入双重注意力模块,可以通过捕获全局建筑物信息和长通道建筑物信息,实现建筑物特征的增强.在交叉熵损失函数的基础上加入Lovász损失函数,构成的复合损失函数增强了对建筑物提取结果的约束能力,进一步提高了模型的鲁棒性.将该模型在美国马萨诸塞州数据集上进行验证,提取建筑物的F1-score为87.83％.结果表明,本方法对高分辨率遥感影像中周围环境复杂多样、被阴影遮挡的城市建筑物具有较强的提取能力.
文献关键词：
高分辨率遥感影像;城市建筑物提取;U-Net;双重注意力模块;复合损失函数;深度学习
中图分类号：
作者姓名：
秦梦宇;刘勇;张寅丹;张洋;侯建西
作者机构：
兰州大学资源环境学院,兰州730000;兰州大学超算中心,兰州730000;河北长风信息技术有限公司,石家庄050000
文献出处：
引用格式：
[1]秦梦宇;刘勇;张寅丹;张洋;侯建西-.基于改进U-Net模型的高分辨率遥感影像中城市建筑物的提取)[J].兰州大学学报（自然科学版）,2022(02):254-261,269
A类：
B类：
Net,高分辨率遥感影像,中城,周围环境,环境复杂,阴影遮挡,城市建筑物提取,编码器,双重注意力模块,交叉熵损失函数,Lov,sz,复合损失函数,马萨诸塞州,score
AB值：
0.172029
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。
