基于Unet网络多任务学习的遥感图像建筑地物语义分割

• 作者: 刘尚旺 崔智勇 李道义
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: Unet网络 多任务学习 遥感图像 语义分割 ResNet网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 技术方法
• 页码范围: 74-83
• 页数: 10页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.6046/gtzyyg.2020.04.11

摘要

为准确分割出高分辨率遥感图像中的建筑地物,提出一种基于Unet网络多任务学习的建筑地物语义分割方法.首先,根据遥感图像建筑地物真值图生成边界距离图,并将该遥感图像及其真值图共同作为Unet网络的输入;然后,在基于ResNet网络构建的Unet网络末端加入建筑地物预测层与边界距离预测层,搭建多任务网络;最后,定义多任务网络的损失函数,并使用Adam优化算法训练该网络.在Inria航空遥感图像建筑地物标注数据集上进行实验,结果表明,与全卷积网络结合多层感知器方法相比,VGG16网络、VGG16+边界预测、ResNet50和本文方法的交并比值分别提升5.15,6.94,6.41和7.86百分点,准确度分别提升至94.71％,95.39％,95.30％和96.10％,可实现高精度的建筑地物提取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘尚旺		17	18	3.0	3.0
2	崔智勇		5	1	1.0	1.0
3	李道义		1	0	0.0	0.0