基于混合损失函数的U-Net网络建筑物提取 |
| |
引用本文: | 田普光.基于混合损失函数的U-Net网络建筑物提取[J].测绘与空间地理信息,2023(12):109-112+116. |
| |
作者姓名: | 田普光 |
| |
作者单位: | 河南理工大学测绘与国土信息工程学院 |
| |
摘 要: | 针对传统卷积神经网络进行建筑提取时效果不佳的问题,本文以U-Net网络为基础,在U-Net网络的跳跃连接结构中加入注意力门机制,并且使用混合交叉熵损失函数和Lovasz损失函数的策略监督训练。上述方法可有效解决不同层级特征在跳跃连接时,因语义鸿沟而造成拼接后的特征语义损失的问题,而混合损失函数的策略还能有效整合多个不同混合损失函数的优势,从而增强模型的鲁棒性。定性和定量化的实验结果均表明,本文方法的建筑物提取结果错漏较少,建筑物提取效果较为完整,并且精度较其他对比方法有一定优势。
|
关 键 词: | 遥感 深度学习 建筑物提取 混合损失函数 |
|
|