用于分布式光伏屋顶资源评估的UD-FNet语义分割算法

摘要

在分布式光伏屋顶资源评估中，遥感图像建筑物屋顶分割存在边界模糊、细节丢失及多尺度目标识别精度不足等问题。基于此，本文提出了一种Unet与DeepLabv3+融合的语义分割算法（UD-FNet）。该算法以Unet的对称编码-解码结构为基础骨架，引入DeepLabv3+的空洞空间金字塔池化（ASPP）模块替代Unet的原始瓶颈层，从而高效捕获多尺度上下文信息。同时，在跳跃连接中嵌入注意力门控机制（GA）,强化对屋顶关键特征的筛选与融合，抑制背景干扰。在自建的遥感地图屋顶数据集上的实验表明：本算法的平均交并比（mIoU）相比Unet提升了5.8%,相比DeepLabv3+提升了3.6%。此外，边界分割的F₁分数显著提升，能够更精确地还原屋顶轮廓细节，有效提升屋顶分割的精度。

关键词

语义分割(UD-FNet) / Unet / DeepLabv3+ / 空洞空间金字塔池化(ASPP) / 注意力门控机制(GA)