MAPDNet:一种检测XCO₂图像中羽流的方法

摘要

检测温室气体羽流是碳排放监测的关键任务，目前相关算法中，对羽流边缘细节的分割精度还有提升空间.为此，本文提出一种基于多尺度注意力机制的羽流检测网络（MAPDNet）.首先，采用多尺度池化条带卷积模块（MPSCM）补偿编码器降采样操作中稀释的高级语义信息，增强主要的羽流轮廓信息，减少细节信息的丢失.然后，采用关系注意力模块（RAM）建立特征之间的全局信息与局部信息交互，增强有用特征，降低特征图中冗余信息的比例，提高模型的分割精度.此外，引入上下文特征融合模块（CFFM）以便网络更好地理解上下文特征的信息，在恢复图像分辨率的同时，较好地将特征对齐，恢复空间位置信息.最后，利用边界增强模块（BEM）实现端到端训练，增强输出分割边界的细节，进一步提高分割精度.实验结果表明，MAPDNet模型能够从XCO₂羽流图像中检测碳羽流，并在模拟羽流数据集上具有良好的分割性能，其分割精度优于现有方法.

关键词

碳排放 / XCO₂羽流 / 语义分割 / 多尺度特征融合 / 注意力机制