融合双注意力机制模型的遥感影像建筑物提取
针对深度学习模型提取高分辨率遥感影像建筑物效果不理想,存在漏提、误提和提取不完整等问题,该文基于U-Net提出一种融合双注意力机制和残差结构的网络模型.在U-Net的跳跃连接阶段融合了通道与空间双注意力机制,实现精细化特征融合,编码阶段使用残差模块代替普通卷积来提升模型对建筑物特征的学习能力.利用该文的模型在WHU高分辨率遥感影像数据集上进行建筑物提取实验,与SegNet、U-Net和ResUnet的结果进行对比,结果表明该方法能够有效提升建筑物提取的准确性和精度.
遥感影像、建筑物提取、注意力机制、残差结构、U-Net
47
P231(摄影测量学与测绘遥感)
高分航空数据处理系统项目;高分辨率对地观测重大专项
2022-07-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
129-136,174