买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通大学

摘要：本发明公开一种基于通道‑空间注意力和DeeplabV3plus的遥感影像语义分割方法，其步骤具体为将遥感影像地物划分为建筑、水体、植被、裸地、道路五个类别标签并对每个类别进行掩码标注；利用Pyhton‑OpenCV中的Canny边缘检测算子强化遥感影像图片中地物类别的纹理特征；对DeeplabV3plus模型中的主干网络输出的深层特征加入通道注意力和空间注意力模块；将图像强化过的图片输入改进的DeeplabV3plus模型进行训练；输出遥感影像地物类别所对应的语义信息。该方法通过边缘检测强化地物纹理特征，通道‑空间注意力强化深层特征实现了遥感影像地物类别较为精细的语义分割，提高了原网络模型语义分割的准确率和平均交并比。

主权项：1.一种基于通道-空间注意力和DeeplabV3plus的遥感影像语义分割方法，其特征在于，包括以下步骤：S1.样本采集与掩膜标注：采集遥感影像样本，得到原始遥感影像数据集及其对的地物类别掩膜数据集并将其按照7：2：1的比例划分为训练集、验证集和测试集；S2.边缘检测算法强化纹理特征：根据所述的原始遥感影像训练数据集和验证数据集，在数据集通道构件中利用Opencv中的Canny边缘检测算子对其进行地物纹理提取，强化遥感地物类别的纹理特征；S3.训练改进的DeeplabV3plus语义分割模型：采用经过强化纹理特征处理的数据集作为改进的DeeplabV3plus语义分割算法模型中的输入进行训练，即可得到训练后的DeeplabV3plus语义分割算法模型；所述步骤S3具体为：S31:构建基于通道-空间注意力和DeeplabV3plus的遥感影像语义分割网络；S32:将变换后的遥感影像训练数据集和验证数据集输入改进的DeeplabV3plus语义分割网络模型中，前向传播获得语义分割网络模型输出的所述变换后的遥感影像样本地物类型的形状信息；S33.利用FocalLoss函数，将损失值按照平均化误差进行反向传播，调整所述改进DeeplabV3plus语义分割网络模型的权重，其损失函数计算公式如下FL＝-1-ptγlogpt6；上式中，FL表示损失值，logpt表示模型交叉熵损失函数的结果，γ表示常数，γ＝2；S34.利用样本相似度损失函数DiceLoss函数以减少正负样本不平衡问题，将损失值按照平均化误差进行反向传播调整所述改进DeeplabV3plus语义分割网络模型的权重，得到训练后的DeeplabV3plus语义分割网络模型其损失函数计算公式如下： 上式中，ti表示目标值，yi表示预测值，ε表示平滑系数，ε＝1e-5；S4.对遥感影像进行语义分割：将遥感影像测试集数据作为训练后的DeeplabV3plus模型的输入，获取各遥感影像的语义分割结果，并计算其准确率和交并比。

全文数据：

权利要求：

百度查询： 南通大学 一种基于通道-空间注意力和DeeplabV3plus的遥感影像语义分割方法