基于改进DeepLabV3p的遥感图像中小目标分割方法
文档名：基于改进DeepLabV3p的遥感图像中小目标分割方法
摘要：针对背景信息复杂﹑目标类别不均衡,遥感图像的中小目标在分割时常出现误检﹑漏检的问题,提出一种基于DeepLabV3p改进的遥感图像中小目标分割方法.采用ResNet101作为DeepLabV3p的骨干网络,提出多级感受野融合的ASPP模块,以获取更多感受野;添加SE注意力机制,使模型获得更加精准的通道信息;使用加权的CrossEntropyLoss和LovaszSoftmaxLoss损失函数进行训练,克服数据集目标不均衡的问题;使用全连接条件随机场对预测结果进行图像后处理,对模型输出进行精细化处理.实验结果表明,使用该方法对DLRSD数据集进行分割,mIOU可达到73.22％,与基础网络相比提高了3.78％,有效提高了遥感图像中小目标的分割精度和准确率.
作者：金芊芊罗建张晓倩杨梅李杨Author：JINQianqianLUOJianZHANGXiaoqianYANGMeiLIYang
作者单位：西华师范大学电子信息工程学院,四川南充637009
刊名：成都信息工程大学学报
Journal：JournalofChengduUniversityOfInformationTechnology
年，卷(期)：2023, 38(6)
分类号：TP75
关键词：DeepLabV3p遥感图像SE注意力机制ASPPCRFs全连接条件随机场混合损失函数
Keywords：DeepLabV3premotesensingimagesSEattentionmechanismASPPCRFsmixedlossfunction
机标分类号：TP391.41TP183TS101
在线出版日期：2023年11月27日
基金项目：基于改进DeepLabV3p的遥感图像中小目标分割方法[
期刊论文]成都信息工程大学学报--2023, 38(6)金芊芊罗建张晓倩杨梅李杨针对背景信息复杂﹑目标类别不均衡,遥感图像的中小目标在分割时常出现误检﹑漏检的问题,提出一种基于DeepLabV3p改进的遥感图像中小目标分割方法.采用ResNet101作为DeepLabV3p的骨干网络,提出多级感受野融合的ASPP模块,以...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进DeepLabV3p的遥感图像中小目标分割方法Small Target Segmentation Method in Remote Sensing Image based on Improved DeepLabV3p
基于改进DeepLabV3p的遥感图像中小目标分割方法.pdf
页:
[1]