融合注意力机制及DenseASPP改进的DeeplabV3+遥感图像分割方法

摘要：

由于遥感影像分辨率的提高,卷积层需要更大的感受野来捕获语义信息.DeeplabV3+模型在使用较大空洞率时会出现空洞卷积低效或失效的问题,同时该模型依靠卷积运算捕获的是局部信息,难以建立长距离依赖.为此,文章设计了一种基于DeeplabV3+的改进模型,在原模型中添加金字塔拆分注意力模块(pyramid split attention,PSA),通过金字塔结构,使网络关注关键信息,帮助模型提取像素级多尺度空间信息的同时建立长距离依赖关系.同时,将空间空洞金字塔池化模块(atrous spatial pyramid pooling,ASPP)替换为密集空间空洞金字塔池化模块(dense atrous spatial pyramid pooling,DenseASPP),帮助网络利用更多像素,获得更大感受野,得到更密集的特征金字塔,并避免了空洞卷积低效或失效的情况发生.为了验证模型效果,分别使用 Vaihingen 和WHDLD数据集进行实验.相较于原模型,该模型的 MIoU提高了 2.8%～0.9%,F1 分数提高了 2.1%～0.73%;通过与其他现有模型进行对比,该方法在分割效果上也有明显的提升.

关键词：语义分割、DeeplabV3+、金字塔拆分注意力模块、密集空间空洞金字塔池化、残差网络

所属期刊栏目：38

分类号：TP753(遥感技术)

资助基金：国家自然科学基金;江西省自然科学基金

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：85-92