采用双注意力机制Deeplabv3+算法的遥感影像语义分割

• 作者: 刘文祥 刘金梅 唐小敏 舒远仲
• 来源期刊: 热带地理
• 学科: 工学
• 关键词: 遥感影像 深度学习 DeepLabv3+ 注意力机制 语义分割
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: “地理空间智能技术及应用”专题
• 页码范围: 303-313
• 页数: 11页
• 分类号: TP751
• 字数: 6692字
• 语种: 中文
• DOI: 10.13284/j.cnki.rddl.003229

摘要

针对DeepLabv3+网络在遥感影像上呈现出拟合速度慢,边缘目标分割不精确,大尺度目标分割类内不一致、存在孔洞等缺陷,提出在该网络中引入双注意力机制模块(Dual Attention Mechanism Module,DAMM),设计并实现了将DAMM结构与ASPP(Atous Spatial Pyramid Pooling)层串联或并联的2种不同连接方式网络模型,串联连接方式中先将特征图送入DAMM后,再经过ASPP结构;并联连接方式中将双注意力机制层与ASPP层并行连接,网络并行处理主干网提取特征图,再融合两层处理特征信息.将改进的2种方法通过INRIA Aerial Image高分辨率遥感影像数据集验证,结果表明,串联或并联方式2种网络都能有效改善Deeplabv3+的不足,并联方式网络性能更好,其对原网络缺陷改善效果更明显,并在测试数据集上mIoU达到85.44％,比Deeplabv3+提高了1.8％,而串联方式网络提高了1.12％.并联结构网络更符合本文需求,其形成了一种对DeepLabv3+网络上述问题进行统一改善的方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒远仲	南昌航空大学信息工程学院图像处理省重点实验室	56	298	10.0	16.0
2	刘金梅	南昌航空大学信息工程学院图像处理省重点实验室	3	0	0.0	0.0
3	刘文祥	南昌航空大学信息工程学院图像处理省重点实验室	2	0	0.0	0.0
4	唐小敏	南昌航空大学信息工程学院图像处理省重点实验室	2	0	0.0	0.0