一种自适应上采样的光伏面板分割算法研究

• 作者: 宋灿 吴谨 朱磊 邓慧萍
• 来源期刊: 小型微型计算机系统
• 关键词: 光伏面板 遥感图像 深度学习 非局部操作 自适应上采样
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 图形与图像技术|Graphics and Image Technology
• 页码范围: 1485-1491
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.07.024

摘要

光伏产业的面积统计是一个具有挑战性的问题,通过深度学习自动获取光伏面板的面积是一个可行的方案.为了快速准确地获取光伏面板的分布情况,本文设计了一个卷积神经网络模型用于提取遥感图像中的光伏面板.首先,以ResNet作为主干网络,结合金字塔池化模块构建了一个多尺度模型,以此表达各种尺度的光伏面板的视觉特征.然后,引入了非局部操作,融合长距离的上下文依赖关系,利用目标之间空间上的相关性更准确的提取前景目标.最后,提出了一种自适应上采样的方法,通过高分辨率输入图像的结构信息自适应地生成采样系数,指导低分辨率的语义特征图进行上采样,以此降低目标边缘模糊的问题.相比于三种较新的算法,在loU,精度和指标上F-Measure,本文的算法取得了最好的结果.