文献类型：期刊文章

作　　者：宋廷强[1] 李继旭[1] 张信耶[2]

SONG Tingqiang;LI Jixu;ZHANG Xinye(School of Information Science and Technology,Qingdao University of Science and Technology,Qingdao,Shandong 266100,China;Artificial Intelligence Research Institute,Zhuhai Obit Aerospace Technology Co.,Ltd.,Zhuhai,Guangdong 519000,China)

机构地区：[1]青岛科技大学信息科学技术学院,山东青岛266100 [2]珠海欧比特宇航科技股份有限公司人工智能研究院,广东珠海519000

出　　处：《计算机工程与应用》

基　　金：2019年度山东省重点研发计划(公益类专项)项目(No.2019GGX101047)。

年　　份：2020

卷　　号：56

期　　号：8

起止页码：26-34

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决当前深度学习方法在高分辨率遥感图像中存在识别结果过度分割,以及小物体识别差的问题,提出一种基于SegNet架构改进的网络模型AA-SegNet,增加了增强的空间金字塔池化模块和空间注意力融合模块。该网络可以加强特征传播并能够有效传递更高级别的特征信息以抑制低级特征的噪声,并且可以增强小目标特征学习。基于高分二号遥感影像制作数据集并进行实验,AA-SegNet网络总体识别准确率为96.61%,在识别率、F1分数以及训练时间等方面也都优于SegNet、U-Net、DeepLab-V3网络。

关 键 词：深度学习  建筑识别  高分辨率遥感 增强型空间金字塔模型  注意力机制  语义分割  

分 类 号：TP75]