基于改進UNet的遙感圖像語義分割

打開文本圖片集

摘要：全卷積神經(jīng)網(wǎng)絡(luò)在遙感圖像語義分割中得到了廣泛應用，該方法地物分類精度和效率較高，但對地物分布不均勻遙感圖像占比較少地物的分類準確率較低。為了提高遙感圖像的分類精度，本文通過添加先驗知識方法豐富輸入數(shù)據(jù)特征，采用密集鏈接方式提高上下采樣過程中特征的重復利用率，采用可以優(yōu)化交并比的損失函數(shù)Dice Loss和可以提高難分類類別精度的損失函數(shù)Focal Loss相加組合作為網(wǎng)絡(luò)模型的損失函數(shù)，采用LayerScale模塊加快模型收斂、抑制無用特征、突出有效特征的方式，對UNet的輸入、網(wǎng)絡(luò)結(jié)構(gòu)、損失函數(shù)進行改進，優(yōu)化語義分割效果。（剩余18320字）