利用深度残差网络的高分遥感影像语义分割

论文摘要

遥感影像分割是影像解译与分析的必要过程,随着深度学习在特征表达上的优势逐步显现,以深度网络为基础模型的影像语义分割已成为自动分割的主要研究趋势.该文提出了一种基于深度残差网络的多尺度语义分割模型,旨在针对小样本遥感影像数据集,提高具有不同尺度分割对象的遥感影像分割精度.首先将深度残差网络以全卷积网络形式进行微调,实现端到端语义分割模型结构构建;然后针对全卷积网络粗糙分割输出的问题,引入Atrous卷积精细化模型上采样过程,进而提高输出标签图精度;最后针对小样本数据进行随机多尺度数据增强,通过样本扩充提高模型分类精度和鲁棒性.试验基于ISPRS 2D Vaihingen语义分割数据集,影像分割结果的分类精度达到89.7%,尤其在小尺度对象上具有较好分割效果.

论文目录

• 1 语义分割模型
•   1.1 基于全卷积改进的深度残差神经网络
•   1.2 多尺度Atrous卷积
•   1.3 多尺度数据增强
•   1.4 评价方法
• 2 实验结果与分析
•   2.1 实验数据
•   2.2 实验
•     2.2.1 实验环境
•     2.2.2 改进方法实验方案设计
•       1) 基础模型
•       2) Atrous卷积
•       3) 数据增强
•   2.3 结果与分析
• 3 结语

文章来源

类型: 期刊论文

作者: 李欣,唐文莉,杨博

关键词: 遥感影像语义分割,深度残差网络,卷积,多尺度数据增强

来源: 应用科学学报 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 武汉大学遥感信息工程学院,武汉大学地球空间信息技术协同创新中心,武汉大学测绘遥感信息工程国家重点实验室

基金: 国家自然科学基金(No.41371426,No.41271431)资助

分类号: TP183;TP751

页码: 282-290

总页数: 9

文件大小: 8971K

下载量: 536