自适应感受野机制遥感图像分割模型
目的 遥感图像中存在大小、形态不一的目标,增加了目标分割任务的困难性.感受野代表了特征图中每个像素对应输入图像的区域,若感受野与目标形状的契合度较高,则特征图中包含的目标特征更加完整,有利于分割.在现有的分割方法中,通常采用的是正方形的感受野,而遥感图像中目标形状多变,导致感受野无法较好地契合目标形状,在提取目标特征时会引入过多的无用特征,从而影响分割精度.为此,本文提出基于自适应感受野机制的遥感图像分割模型.方法 在编码一解码网络结构的基础上,引入自适应感受野机制.首先在编码器上提取不同大小和宽高比的感受野特征,然后在特征融合时使用通道注意力模块自适应地获取通道权重,通过加权强化与目标形状契合度高的感受野的特征,弱化与目标形状契合度低的感受野的特征,在保留目标特征的同时减少背景特征的干扰,进而提升模型的分割精度.结果 在Inria Aerial Image Labeling数据集与DeepGlobe Road Extraction数据集上进行实验并与相关方法比较,在两个数据集上的平均交并比分别为76.1％和61.9％,平均F1值分别为86.5％和76.5％.结论 本文模型能够提取不同形状感受野的特征,并自适应地获取通道权重,使模型能提取更加完整的目标特征,从而提升目标分割效果.
遥感图像、卷积神经网络(CNN)、图像分割、自适应感受野机制(ARFM)、通道注意力模块(CAM)
26
TP391(计算技术、计算机技术)
国家自然科学基金项目41471280,61701290,61701289
2021-03-22（万方平台首次上网日期，不代表论文的发表时间）
共11页
464-474
