10.3778/j.issn.1002-8331.2108-0387
改进DeepLabV3+网络的遥感影像农作物分割方法
针对于当前遥感影像农作物提取存在的识别精度较低、边缘识别效果较差、提取速度慢等问题,提出了一种改进DeepLabV3+网络的遥感影像农作物分割方法.将特征提取网络改为更轻量级的MobileNetV2网络,空洞空间金字塔池化模块中的普通卷积改为深度可分离卷积,大幅减少模型计算量,提高模型计算速度;在特征提取模块以及空洞空间金字塔池化模块加入双注意力机制,进一步优化模型边缘识别效果,提升模型分割精度.此外针对农作物数据集类别不平衡问题,引入加权损失函数,给予玉米、薏米与背景类不同的权重,提高模型对农作物区域分割精度.以2019年某地区的无人机遥感影像为研究对象,对玉米、薏米两种农作物进行分割.实验结果表明,改进DeepLabV3+算法像素准确率可达到93.9%,平均召回率可达到90.7%,平均交并比可达到83.3%,优于传统DeepLabV3+、Unet、Segnet等常用于农作物提取的分割方法,对农作物具有更好的分割效果.
农作物分割、双注意力机制、加权损失函数、无人机遥感影像
58
TP391(计算技术、计算机技术)
山西省自然科学基金面上项目201901D111052
2022-06-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
215-223