基于改进轻量级MobileNet V2-DeepLab V3⁺模型的恐龙谷环状地区土地利用分类

摘要

针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3⁺全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的全局特征捕捉能力,有效提升了研究区的土地利用分类精度.在以专家经验构建的道路、耕地、草地等样本中进行对比实验,结果表明,该方法的平均准确率、平均召回率、平均F₁分数、平均交并比及К系数比原始DeepLab V3⁺模型分别提高了1.90%、 2.22%、 2.22%、 3.37%、 2.74%,其分割效果相比其他模型,更加关注图像的全局特征,提升了对复杂纹理类别的识别精度.

关键词

全局通道空间注意力 / MobileNet V2网络 / DeepLab V3⁺模型 / 土地利用 / 语义分割

基金资助

国家自然科学基金项目(62266026)