LOANet：一种利用目标注意力从无人机航拍遥感影像中提取建筑物与道路的轻量级网络
计算机视觉与模式识别
2023-07-07 v6
摘要
在测绘领域，利用深度学习从无人机（UAV）遥感影像中语义分割提取建筑物与道路，比传统人工分割更高效便捷。为使模型轻量化并提升精度，本文提出一种利用目标注意力（LOANet）从无人机航拍遥感影像中提取建筑物与道路的轻量级网络。所提网络采用编码器-解码器架构，其中开发了轻量级密集连接网络（LDCNet）作为编码器。在解码器部分，设计了由空洞空间金字塔池化模块（ASPP）与目标注意力模块（OAM）组成的双多尺度上下文模块，以从无人机遥感影像特征图中捕获更多上下文信息。在ASPP与OAM之间，使用特征金字塔网络（FPN）模块融合从ASPP提取的多尺度特征。构建了一个由无人机拍摄的私有遥感影像数据集，包含2431个训练集、945个验证集和475个测试集。所提基础模型在该数据集上表现良好，仅含1.4M参数与5.48G浮点运算（FLOPs），取得了优异的平均交并比（mIoU）。在公开可用的LoveDA与CITY-OSM数据集上进一步实验，以验证所提基础模型与大模型的有效性，并取得了出色的mIoU结果。所有代码见 https://github.com/GtLinyer/LOANet。
引用
@article{arxiv.2212.08490,
title = {LOANet: A Lightweight Network Using Object Attention for Extracting Buildings and Roads from UAV Aerial Remote Sensing Images},
author = {Xiaoxiang Han and Yiman Liu and Gang Liu and Yuanjie Lin and Qiaohong Liu},
journal= {arXiv preprint arXiv:2212.08490},
year = {2023}
}
备注
16 pages, 7 tables, 7 figures, Published in PeerJ Computer Science