改进SegNet与迁移学习的遥感建筑物分割方法 |
| |
引用本文: | 林禹,赵泉华,沈昭宇,李玉.改进SegNet与迁移学习的遥感建筑物分割方法[J].测绘科学,2022(6):78-89. |
| |
作者姓名: | 林禹 赵泉华 沈昭宇 李玉 |
| |
作者单位: | 辽宁工程技术大学测绘与地理科学学院 |
| |
基金项目: | 国家自然科学基金项目(41801233,41801368); |
| |
摘 要: | 针对传统SegNet应用于遥感影像建筑物分割出现分割不连续的问题,该文提出了一种改进的SegNet模型,并引入迁移学习方法,以提高遥感影像建筑物分割精度。以SegNet为基础,加入能够提取多尺度特征的改进空洞空间卷积池化金字塔模块,并引入跳层连接使分割结果更为精细。选取了FCN、SegNet、载入ImageNet预训练权重参数的SegNet作为对比算法,对遥感建筑物分割数据集Inria Aerial Image Labeling Dataset进行训练和测试。实验结果表明,在有限的迭代次数及实验区域内,该文算法拥有更好的分割效果和更强的泛化能力。
|
关 键 词: | 建筑物分割 SegNet 空洞空间卷积池化金字塔 传递迁移学习 |
|
|