来源：期刊VIP网 时间：
作者：俞友;张子轩;黄亮;
单位：湖南省地质灾害调查监测所;湖南省勘测设计院有限公司;昆明理工大学国土资源工程学院;云南省定量遥感重点实验室;
摘要：针对山区耕地破碎、边界模糊、耕地自动化提取精度仍然较低的问题，提出一种针对不规则耕地的高分辨率遥感影像提取方法。该方法基于CNN-Transformer编解码器架构，构建了高效耕地提取网络模型(efficient cropland extraction net, ECENet)。通过可变卷积增强编码器对不规则耕地边界的特征提取能力，同时在解码器中引入高效局部注意力(efficient local attention, ELA),提高了模型对破碎耕地识别的准确性。在自建的GF-2遥感影像耕地数据集上，在与6种语义分割模型的对比实验中表现出色，总体精度、精确率、召回率、F1分数、平均交并比均取得最优值。并设置消融实验，测试不同模块对模型整体性能提升的影响。实验结果验证了ECENet在山区复杂地貌下的耕地提取任务中显著的有效性和优越性。
关键词：深度学习;;语义分割;;耕地提取;;编解码;;注意力机制
基金资助：湖南省地质院科技计划(HNGSTP202409);; 国家自然科学基金(42361054);; 湖南省自然科学基金(2024JJ8317);; 云南省兴滇英才支持计划(KKRD202221036)
