结合空洞卷积的FuseNet变体网络高分辨率遥感影像语义分割
针对多模态、多尺度的高分辨率遥感影像分割问题,提出了结合空洞卷积的FuseNet变体网络架构对常见的土地覆盖对象类别进行语义分割.首先,采用FuseNet变体网络将数字地表模型(digital surface model,DSM)图像中包含的高程信息与红绿蓝(red green blue,RGB)图像的颜色信息融合;其次,在编码器和解码器中分别使用空洞卷积来增大卷积核感受野;最后,对遥感影像逐像素分类,输出遥感影像语义分割结果.实验结果表明,所提算法在国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing,ISPRS)提供的Potsdam、Vaihingen数据集上的mF1得分分别达到了 91.6%和90.4%,优于已有的主流算法.
高分辨率遥感影像、深度卷积神经网络、空洞卷积、语义分割、FuseNet
47
P237(摄影测量学与测绘遥感)
国家自然科学基金;甘肃省科技计划;中央引导地方科技发展资金;兰州交通大学优秀平台支持项目
2022-08-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
1071-1080