来源：期刊VIP网 时间：
作者：任聪;甘淑;袁希平;罗为东;朱智富;
单位：昆明理工大学国土资源工程学院;云南省高校高原山地空间信息测绘技术应用工程研究中心;滇西应用技术大学地球科学与工程学院;
摘要：针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3~+全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的全局特征捕捉能力,有效提升了研究区的土地利用分类精度.在以专家经验构建的道路、耕地、草地等样本中进行对比实验,结果表明,该方法的平均准确率、平均召回率、平均F_1分数、平均交并比及К系数比原始DeepLab V3~+模型分别提高了1.90%、 2.22%、 2.22%、 3.37%、 2.74%,其分割效果相比其他模型,更加关注图像的全局特征,提升了对复杂纹理类别的识别精度.
关键词：全局通道空间注意力;;MobileNet V2网络;;DeepLab V3~+模型;;土地利用;;语义分割
基金资助：国家自然科学基金项目(62266026)
