HR-DeepLabV3+:融合多尺度上下文与注意力机制的道路提取模型

马召恒; 张雷; 刘如飞; 冯飞; 王友雷

doi:10.16452/j.cnki.sdkjzk.2025.05.005

山东科技大学学报（自然科学版） ›› 2025, Vol. 44 ›› Issue (05) : 52 -63. DOI: 10.16452/j.cnki.sdkjzk.2025.05.005

HR-DeepLabV3+:融合多尺度上下文与注意力机制的道路提取模型

马召恒, 张雷, 刘如飞, 冯飞, 王友雷

作者信息 +

Author information +

文章历史 +

PDF

摘要

城市路网是城市发展的重要基础设施，也是社会经济活动的重要载体。但现有遥感影像路网提取方法在应对高楼阴影、植被遮挡等复杂环境时往往效果不佳。为解决该问题，提出一种HR-DeepLabV3+深度学习模型，主干网络设计采用HRNetV2-W18（high-resolution networkW-18）,用于保留高分辨率影像中的细节信息；解码器中设计了多层级融合的空洞空间金字塔结构，并添加多头注意力结构，提升对图像上下文信息的学习能力；损失函数中通过降低背景环境特征信息的权重，更加关注细小的道路目标，从而降低背景复杂环境因素的干扰。在公开数据集CHN6-CUG、DeepGlobe和SJZ Road上进行实验分析表明，该网络的I_OU精度分别达0.711、0.685和0.751,相比其他主流网络效果更稳健。