典型文献
基于Attention Gates和R2U-Net的遥感影像建筑物提取方法
文献摘要：
针对深度语义分割算法提取遥感影像建筑物时易产生建筑物边缘分割不明确、提取精度不高等问题,该文提出一种基于Attention Gates(AG)和R2U-Net的遥感影像建筑物提取方法(AGR2U-Net).该方法将R2U-Net模型每一层输出的特征图与其相邻层的特征图输入至改进的AG模型中,得到与输入影像大小一致的特征图,以提高R2U-Net模型的多尺度泛化能力,从而增强该模型对建筑物特征的响应及灵敏度,最终提升遥感影像建筑物提取精度.利用WHU卫星影像数据集和WHU航空影像数据集,对该方法与U-Net、Improved U-Net、SegU-Net和R2U-Net方法进行对比实验验证,结果表明,该方法的交并比、像素准确率和召回率均最高,且提取的建筑物边缘更准确、内部信息更完整、误检和漏检情况更少.
文献关键词：
遥感影像;Attention Gates;R2U-Net模型;AGR2U-Net模型;建筑物提取
中图分类号：
作者姓名：
于文玲;刘波;刘华;杜梓维;邹时林;苏友能;刘娜娜
作者机构：
东华理工大学测绘工程学院,江西 南昌330013;自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室,江西 南昌330013
文献出处：
引用格式：
[1]于文玲;刘波;刘华;杜梓维;邹时林;苏友能;刘娜娜-.基于Attention Gates和R2U-Net的遥感影像建筑物提取方法)[J].地理与地理信息科学,2022(03):31-36,42
A类：
AGR2U,SegU
B类：
Attention,Gates,Net,遥感影像,建筑物提取,语义分割,分割算法,边缘分割,特征图,泛化能力,WHU,卫星影像数据,航空影像,Improved,交并比,像素,召回率,内部信息,漏检
AB值：
0.213825
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。
