一种深度学习的遥感影像道路提取方法

文章预览

［摘 要］ 针对现有深度学习网络提取遥感影像中道路时存在的分割精度较低、错检率高、检测效率较低等问题，本文提出一种改进模型MB-DeepLabv3+。在编码器层，利用MobileNetv3作为特征提取网络，同时引入全局注意力机制计算空间与通道层面的样本注意力权重；在解码器层，以密集上采样卷积核代替双线性内插法进行特征图上采样。在Deep Globe 数据集上的实验结果表明，本文所提出算法在准确率上达到了98.39%，较原始DeepLabv3+提高了2.6%，并且对单幅影像的提取计算效率也有所提升，面对不同复杂程度的道路影像，较对照组内其余模型在漏洞、错误提取等问题上有了显著的改善，能够实现高效精准的道路提取。 ［关键词］ 遥感影像；道路提取；MobileNetv3；全局注意力机制；密集上采样卷积 引言 高分辨率光学遥感影像覆盖范围广，以高分辨率遥感影像 ………………………………