DeepTriNet：一种基于三级注意力的 DeepLabv3+ 架构用于卫星影像语义分割
计算机视觉与模式识别
2023-10-12 v1 人工智能
机器学习
摘要
卫星影像分割在遥感应用中至关重要。现有方法在卫星影像语义分割中识别小尺度目标时面临挑战，主要由于忽略了底层网络的低级特征，以及不同特征图包含的信息量不同。因此，本研究提出一种基于三级注意力的 DeepLabv3+ 架构（DeepTriNet）用于卫星影像语义分割。所提出的混合方法将压缩激励网络（SENets）和三级注意力单元（TAUs）与原始 DeepLabv3+ 架构相结合，其中 TAUs 用于弥合编码器输出之间的语义特征差距，SENets 用于对相关特征赋予更大权重。所提出的 DeepTriNet 通过自监督而非人工标注的方式，找出更具相关性和更具泛化性的特征。研究表明，所提出的 DeepTriNet 优于许多传统技术，在 4 类 Land-Cover.ai 数据集和 15 类 GID-2 数据集上分别取得了 98% 和 77% 的准确率、80% 和 58% 的 IoU、88% 和 68% 的精确率，以及 79% 和 55% 的召回率。所提方法将通过高效且语义化的卫星影像分割，极大助力城乡地区的自然资源管理与变化检测。
引用
@article{arxiv.2310.06848,
title = {DeepTriNet: A Tri-Level Attention Based DeepLabv3+ Architecture for Semantic Segmentation of Satellite Images},
author = {Tareque Bashar Ovi and Shakil Mosharrof and Nomaiya Bashree and Md Shofiqul Islam and Muhammad Nazrul Islam},
journal= {arXiv preprint arXiv:2310.06848},
year = {2023}
}
备注
Keywords: Attention mechanism, Deep learning, Satellite image, DeepLabv3+, Segmentation