基于多级特征级联的遥感图像实时语义分割

曹春红(),段鸿轩*(),曹玲,张乐乐,胡凯,肖芬

智能计算与信息处理教育部重点实验室(湘潭大学)，湖南 湘潭 411100

收稿日期:2020-06-17出版日期:2021-04-20发布日期:2021-04-16
通讯作者:段鸿轩E-mail:caoch@xtu.edu.cn;201821562036@smail.xtu.edu.cn
作者简介:曹春红(1975—), 女, 湖南湘潭人, 副教授, 博士, 主要研究方向为遥感图像和医学图像处理. E-mail: caoch@xtu.edu.cn
基金资助:湖南省教育厅资助项目(19A496);国家自然科学基金资助项目(61802328)

Real-time semantic segmentation of high-resolution remote sensing image based on multi-level feature cascade

Chunhong CAO(),Hongxuan DUAN*(),Ling CAO,Lele ZHANG,Kai HU,Fen XIAO

The MOE Key Laboratory of Intelligent Computing & Information Processing (Xiangtan University), Xiangtan 411100, Hunan, China

Received:2020-06-17Online:2021-04-20Published:2021-04-16
Contact:Hongxuan DUAN E-mail:caoch@xtu.edu.cn;201821562036@smail.xtu.edu.cn

摘要/Abstract

摘要： 针对遥感图像语义分割中存在的分割耗时长、分割小目标不准确的问题，提出基于多级特征级联的高分辨率遥感图像快速语义分割模型(multi-level feature cascade network, MFCNet)。该模型主要由特征编码、特征融合以及目标细化3部分组成。特征编码对输入的不同分辨率图像用不同量级主干网络进行特征提取，由于低分辨率图像分辨率较低，使用重量级的主干网络在增加较少参数的情况下可以获取丰富的语义信息，而中、高分辨图像分辨率较大，使用轻量级主干网络既减少参数量又可获取全局信息。中等和低分辨率的编码使用权重和计算共享的方式，进一步减少模型参数，降低计算复杂性。特征融合对来自不同分支的特征进行融合，以获取不同尺度的信息。目标细化采用残差校正对融合后的特征和编码部分的特征进行融合校正，以恢复图像的空间细节信息，使分割更加准确。该模型可以端到端的方式有效地工作，试验验证所提模型在遥感图像语义分割中的有效性，在模型复杂性和精度上取得较好的平衡。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2018