基于多尺度特征和注意力机制的航空图像分割
利用神经网络能通过进行建筑像素标记实现航空图像分割,但也存在分割边界模糊的问题,导致分割结果不理想.为此,本文以卷积神经网络U-net和FCN-8s基本网络模型,实现端到端训练.在此基础上,结合建立了全卷积神经网络结合多尺度特征和注意力机制的网络模型,提升了分割边界的清晰度.将多尺度特征和注意力机制的模型与基本模型进行对比,分析了真实与预测之间的相关度和相似度,并将预测结果进行对比.实验结果表明,结合多尺度特征和注意力机制的分割模型,分割边界更清晰,相对于相同训练规模的全卷积网络交并比高2%,Dice系数高3%,得到较好的分割结果.
航空图像分割、建筑像素标记、全卷积神经网络、注意力机制、多尺度特征
37
国家自然科学基金项目61771089
2020-07-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
1218-1224