典型文献
面向小目标提取的改进DeepLabV3+模型遥感图像分割
文献摘要：
针对DeepLabV3+模型在遥感影像语义分割中呈现出小尺度地物语义信息丢失、数据类别不均衡引起误差等缺陷,提出了一种面向小目标提取的改进DeepLabV3+语义分割模型.首先,在模型编码器空间空洞金字塔池化(atrous spatial pyramid pooling,ASPP)中引入多组并行空洞卷积(multiple parallel dilated convolution,MPDC)和感受野融合策略;其次,在模型解码器部分加入特征注意力融合模块(feature attention fusion,FAF);最后,使用加权的Lovasz-softmax loss优化损失函数.将改进后的模型通过Landcover和CCF2017高分辨率遥感影像数据集进行验证,结果表明,在两个测试数据集上的平均交并比比原始的DeepLabV3+模型分别提高了1.17％ ～1.24％ 和0.85％ ～0.95％,特别地,小目标如建筑物的交并比相比原始模型分别提升了3.51％ ～3.86％ 和2.11％ ～2.38％,改进后的DeepLabV3+模型能更充分表达高分辨率遥感图像细节信息.
文献关键词：
语义分割;空洞卷积;感受野融合;特征注意力融合;损失函数
中图分类号：
作者姓名：
郭新;张斌;程坤
作者机构：
中国地质大学(武汉)地理与信息工程学院,武汉 430078;武汉工程大学计算机科学与工程学院,武汉430205
文献出处：
引用格式：
[1]郭新;张斌;程坤-.面向小目标提取的改进DeepLabV3+模型遥感图像分割)[J].遥感信息,2022(02):34-44
A类：
空间空洞金字塔,MPDC,感受野融合,特征注意力融合,Landcover,CCF2017
B类：
小目标,目标提取,DeepLabV3+,遥感图像分割,语义分割,小尺度,地物,物语,语义信息,信息丢失,数据类别,类别不均衡,分割模型,模型编码,编码器,金字塔池化,atrous,spatial,pyramid,pooling,ASPP,并行空洞卷积,multiple,parallel,dilated,convolution,融合策略,解码器,feature,attention,fusion,FAF,Lovasz,softmax,loss,优化损失函数,高分辨率遥感影像,遥感影像数据,测试数据,平均交并比,比比,高分辨率遥感图像,细节信息
AB值：
0.363401
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。
