基于混合损失函数的U-Net网络建筑物提取

摘要：

针对传统卷积神经网络进行建筑提取时效果不佳的问题,本文以U-Net网络为基础,在U-Net网络的跳跃连接结构中加入注意力门机制,并且使用混合交叉熵损失函数和Lovasz损失函数的策略监督训练.上述方法可有效解决不同层级特征在跳跃连接时,因语义鸿沟而造成拼接后的特征语义损失的问题,而混合损失函数的策略还能有效整合多个不同混合损失函数的优势,从而增强模型的鲁棒性.定性和定量化的实验结果均表明,本文方法的建筑物提取结果错漏较少,建筑物提取效果较为完整,并且精度较其他对比方法有一定优势.

关键词：遥感、深度学习、建筑物提取、混合损失函数

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2023-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：109-112,116