科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对于当前遥感影像农作物提取存在的识别精度较低、边缘识别效果较差、提取速度慢等问题，提出了一种改进DeepLabV3+网络的遥感影像农作物分割方法。将特征提取网络改为更轻量级的MobileNetV2网络，空洞空间金字塔池化模块中的普通卷积改为深度可分离卷积，大幅减少模型计算量，提高模型计算速度；在特征提取模块以及空洞空间金字塔池化模块加入双注意力机制，进一步优化模型边缘识别效果，提升模型分割精度。此外针对农作物数据集类别不平衡问题，引入加权损失函数，给予玉米、薏米与背景类不同的权重，提高模型对农作物区域分割精度。以2019年某地区的无人机遥感影像为研究对象，对玉米、薏米两种农作物进行分割。实验结果表明，改进Deep Lab V3+算法像素准确率可达到93.9%，平均召回率可达到90.7%，平均交并比可达到83.3%，优于传统Deep Lab V3+、Unet、Segnet等常用于农作物提取的分割方法，对农作物具有更好的分割效果。
- 出版日期2022
- 单位太原理工大学
