改进SegNet与迁移学习的遥感建筑物分割方法

摘要：

针对传统SegNet应用于遥感影像建筑物分割出现分割不连续的问题,该文提出了一种改进的SegNet模型,并引入迁移学习方法,以提高遥感影像建筑物分割精度.以SegNet为基础,加入能够提取多尺度特征的改进空洞空间卷积池化金字塔模块,并引入跳层连接使分割结果更为精细.选取了 FCN、SegNet、载入ImageNet预训练权重参数的SegNet作为对比算法,对遥感建筑物分割数据集Inria Aerial Image Labeling Dataset进行训练和测试.实验结果表明,在有限的迭代次数及实验区域内,该文算法拥有更好的分割效果和更强的泛化能力.

关键词：建筑物分割、SegNet、空洞空间卷积池化金字塔、传递迁移学习

所属期刊栏目：47

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：78-89