基于注意力与多尺度特征遥感图像建筑物分割

摘要：

为解决图像分割中的边界粘连、小目标分割问题,提出一种遥感图像语义分割模型FAME-Net.在编码器中用Res-Net33取代卷积网络,融合空间和通道注意力机制,提高深层次特征和小型建筑物特征提取能力;在中间增设改进的金字塔模块C-ASPP,卷积核锚点引入拉普拉斯算子,增强中心点局部特征,提高建筑物轮廓描述能力;在解码器中融合多尺度特征,设计平均损失函数,有效利用多尺度信息.采用Inria数据集进行性能测试,其结果表明,FAME-Net模型mIoU比U-Net、Link-Net、D-LinkNet、U-Net++模型分别高出8.94％、5.78％、2.47％和2.12％,小目标和边界粘连分割性能优势明显.

关键词：遥感图像、语义分割、特征增强、注意力机制融合、拉普拉斯算子、多尺度特征融合、平均损失

所属期刊栏目：43

分类号：TP317(计算技术、计算机技术)

资助基金：大连市科技创新计划基金项目;辽宁省教育厅科学计划研究基金项目

在线出版日期：2023-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3475-3482