基于深度学习的高分辨率遥感图像建筑物识别

被引：74

作者：

宋廷强 ^{[1
]}

李继旭 ^{[1
]}

张信耶 ^{[2
]}

机构：

[1] 青岛科技大学信息科学技术学院

[2] 珠海欧比特宇航科技股份有限公司人工智能研究院

来源：

计算机工程与应用 | 2020年 / 08期

关键词：

深度学习; 建筑识别; 高分辨率遥感; 增强型空间金字塔模型; 注意力机制; 语义分割;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP18 [人工智能理论];

学科分类号：

080201 [机械制造及其自动化]; 140502 [人工智能];

摘要：

为解决当前深度学习方法在高分辨率遥感图像中存在识别结果过度分割,以及小物体识别差的问题,提出一种基于SegNet架构改进的网络模型AA-SegNet,增加了增强的空间金字塔池化模块和空间注意力融合模块。该网络可以加强特征传播并能够有效传递更高级别的特征信息以抑制低级特征的噪声,并且可以增强小目标特征学习。基于高分二号遥感影像制作数据集并进行实验,AA-SegNet网络总体识别准确率为96.61%,在识别率、F1分数以及训练时间等方面也都优于SegNet、U-Net、DeepLab-V3网络。

引用

页码：26 / 34

页数：9

共 18 条

[1]

归一化植被指数研究 [J].