来源：期刊VIP网 时间：
作者：韦晶晶;李佳田;阿晓荟;刘佳音;胡浩;
单位：昆明理工大学国土资源工程学院;新疆工业学院;
摘要：针对DeepLabv3+模型对全局上下文感知不足及易忽略局部细节的问题，该文提出了一种新的CoT-DeepLabV3+模型，用于遥感影像地物分类任务。本模型通过引入逐步上下文模块(CoT),增强了对输入遥感影像的全局语义信息的捕获能力。此外，为了解决遥感影像场景分类任务中常见的样本类别不平衡问题，模型采用了Dice Loss与Focal Loss的混合损失函数，以优化网络参数，并在Vaihingen数据集和GID数据集上进行实验。结果表明，CoT-DeepLabV3+模型整体分类精度(OA)、交并比(IoU)和F1在两个数据集上平均分别为88.26%、84.21%、0.87、0.96,与PSPNet、U-Net和Deeplabv3+(Xception)3个模型的对比，平均交并比提高了0.87%～2.00%。
关键词：DeepLabv3+;;语义分割;;遥感影像;;自注意力机制
基金资助：国家自然科学基金项目(41561082)
