基于改进DeeplabV3+的遥感图像分割算法
wf
摘要
针对高分辨率遥感图像语义分割存在地物边缘分割不连续、小目标分割精度不高的缺陷,本文提出一种基于改进DeeplabV3+的遥感图像分割算法,该算法首先使用分散注意力网络ResNeSt替换DeeplabV3+原始主干网络Xeception,以提取更丰富的深层语义信息,从而提高图像分割精度;其次引入坐标注意力机制(CA),有效获得更精确的分割目标位置信息,使得分割目标边缘更加连续;最后在解码层中采用级联特征融合方法(CFF)提高网络的语义信息表征能力.试验结果表明,该算法在中国南方某城市的高清遥感图像数据集分割任务上mIoU高达97.07％,相比原始DeepLabV3+模型提高了3.39％,能够更好地利用图像语义特征信息,为解译遥感图像语义信息提供一种新的思路.
更多关键词
DeeplabV3+,ResNeSt
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要