基于多尺度和多注意力机制的水库水位分割方法

摘要

针对现有水库水位分割方法面临的计算参数量大、水位多尺度特征提取不充分、水位细节特征关注不足等挑战，提出了一种基于多尺度和多注意力机制的水库水位分割方法（DEGNet），实现了水库水位的高精度分割。首先，采用轻量级MobileNetv2作为骨干网络，并融入轻量级卷积注意力模块，降低了计算参数量，增强了水位特征信息提取能力；其次，创新性地提出了多尺度信息融合模块，有效捕捉并融合了水位多尺度特征图的空间信息，极大增强了特征空间的表现力；最后，在编码区融入全局注意力机制，有效聚焦水位细节特征，进而实现水库水位的高精高效分割。实验结果表明，相较于PSPnet、 Hrnnet、 DeepLabv3+等方法，所提方法在平均交并比（MloU）和平均像素准确率（MAP）上分别提高了4.9百分点和7.76百分点，达到了98.75%的MloU和99.43%的MAP，在分割精度和检测精度方面展现出显著的优越性。

关键词

水位分割 / 多尺度信息融合 / 注意力机制 / 轻量化