来源：期刊VIP网 时间：
作者：葛钦兵;矫桂娥;
单位：上海海洋大学信息学院;上海建桥学院信息技术学院;
摘要：针对遥感图像分割中存在的边缘特征恢复、高维特征提取和上下文信息融合等关键问题，提出了一种注意力引导的高维多尺度遥感图像语义分割网络。该模型以经典U-Net为基础，创新性地在编码器中引入多分支卷积注意力机制，有效引导网络聚焦于关键区域特征，并抑制无关背景干扰。此外，通过高维特征提取模块和语义残差融合模块，进一步增强了对复杂地物的多尺度表达能力和语义一致性建模能力。在解码器中，采用动态上采样特征融合策略，提升了浅层边缘特征与深层语义特征的交互质量，从而显著改善了分割精度。在LoveDA和WHDLD数据集上的对比实验和消融实验表明，AMH-UNet在mIoU指标上分别达到58.57%和63.67%,优于现有主流方法，突出展现了注意力机制在遥感图像分割中的关键作用。本文研究为遥感图像处理提供了一种有效的解决方案。
关键词：遥感图像;;语义分割;;深度学习;;注意力机制
基金资助：国家自然科学基金委员会面上项目(42376194)
