基于改進(jìn)UNet的遙感圖像語(yǔ)義分割

打開(kāi)文本圖片集

摘要：全卷積神經(jīng)網(wǎng)絡(luò)在遙感圖像語(yǔ)義分割中得到了廣泛應(yīng)用，該方法地物分類精度和效率較高，但對(duì)地物分布不均勻遙感圖像占比較少地物的分類準(zhǔn)確率較低。為了提高遙感圖像的分類精度，本文通過(guò)添加先驗(yàn)知識(shí)方法豐富輸入數(shù)據(jù)特征，采用密集鏈接方式提高上下采樣過(guò)程中特征的重復(fù)利用率，采用可以優(yōu)化交并比的損失函數(shù)Dice Loss和可以提高難分類類別精度的損失函數(shù)Focal Loss相加組合作為網(wǎng)絡(luò)模型的損失函數(shù)，采用LayerScale模塊加快模型收斂、抑制無(wú)用特征、突出有效特征的方式，對(duì)UNet的輸入、網(wǎng)絡(luò)結(jié)構(gòu)、損失函數(shù)進(jìn)行改進(jìn)，優(yōu)化語(yǔ)義分割效果。（剩余18320字）