深度学习语义分割方法在遥感影像分割中的性能分析

摘要：

针对如何应用深度学习语义分割方法实现遥感影像高性能分割的问题,选择了当前流行的SegNet、PSPnet以及Deep-labv3+三种基于深度学习语义分割算法,利用南方某区域无人机高分辨率遥感影像中4类要素分割为实验,以总体精度、平均精度及平均交并比(MIoU)作为精度衡量指标,全面对比分析了3种算法的精度;结果表明,在迁移学习支持下,3种算法总体精度可提升2至5个百分点;通过对PSPNet算法运用不同骨干网络,验证了不同结构网络对精度的贡献,优选出复杂度低的骨干网络;采用集成学习的思路,利用投票法对多算法模型进行结果融合可提升总体精度1％左右;3种算法对植被及水体的分割效果均要优于建筑物及道路,其中Deeplabv3+算法精度最高,总体精度达到89.3％,MIoU达到80.4％,可实现要素的鲁棒分割.

关键词：遥感影像、深度学习、语义分割、总体精度、迁移学习

所属期刊栏目：27

分类号：TP242.6(自动化技术及设备)

在线出版日期：2019-08-07（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：231-235