来源：期刊VIP网 时间：
作者：李翔;王增利;芮小平;邹亚荣;
单位：河海大学地球科学与工程学院;自然资源部国家卫星海洋应用中心;自然资源部空间海洋遥感与应用研究重点实验室;
摘要：海面溢油危害大、分布广、时间空间不确定性大，对海洋溢油进行高精度识别与监测对全球生态环境的保护有着重要意义。针对传统卷积神经网络模型对小面积溢油分类不准确的问题，提出一种基于深度学习的SAR影像海上小面积溢油的高精度提取方法。该方法以DeeplabV3+网络模型为基础，引入SE注意力机制来提高网络对海面上小面积溢油的分类精度。基于欧空局开源数据集Oil Spill Detection Dataset建立了海面溢油提取模型，训练得到的平均交并比为77.70%,平均像素精度为98.16%。通过目视对比模型预测图和对比两类精度指标，发现经过注意力机制优化后的DeeplabV3+网络模型明显优于原始网络模型，对小面积溢油监测的效果明显提升。
关键词：海洋溢油;;深度学习;;注意力机制;;DeeplabV3+;;SAR影像
基金资助：国家自然科学基金(42376180)
