结合大卷积与优化器的遥感影像建筑物提取网络

摘要：

针对建筑物大小形状各异和背景相似度高导致的遥感影像建筑物提取网络的整体识别能力较差、多尺度信息提取能力低、边界模糊的问题,提出一种结合大卷积核和优化器的2U-Net网络,以更有效地提升建筑物提取精度.首先,在特征提取部分采用大核深度卷积模块构造U型网编码器,使用更大的卷积核提升感受野,解决整体识别和多尺度信息提取问题;其次,针对建筑物整体语义信息关注度低的问题,在解码器的输出端增加无参数注意力机制,通过权重函数提高建筑物关注度,抑制无用背景信息表达;最后,避免直接输出粗略特征图、建筑物边界提取模糊,构造U型优化器提高建筑物边界提取精度,优化边缘细节信息.在Satellite dataset Ⅱ(East Asia)和 WHU 数据集上,评价指标 IoUBuilding 达到 72.04％、90.71％,MIoU 达到 85.19％、94.75％,与 U-Net对比分别提高了 2.54％、2.64％和1.34％、1.51％,且均优于现有主流方法.实验结果表明,2U-Net网络提取效果更准确,对实际应用具有一定参考价值.

关键词：语义分割、建筑物提取、U-Net、注意力机制、多尺度、深度学习

所属期刊栏目：39

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金62173171

在线出版日期：2024-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：22-31