山东大学学报(工学版)

作者：李旭涛,杨寒玉,卢业飞,张玮

单位：1.齐鲁工业大学(山东省科学院)计算机科学与技术学部, 山东 济南 250353;2.湖北大学数学与统计学学院, 湖北 武汉 430062;3.山东省计算中心(国家超级计算济南中心)山东省计算机网络重点实验室, 山东 济南 250000

关键词：语义分割,深度学习,遥感图像,U2-Net模型,高分辨率,

基金：国家自然科学基金资助项目(61802233);山东省自然科学基金资助项目(ZR2021LZH001);山东省自然科学基金资助项目(ZR2020LZH010)

为在遥感图像中提取出来道路信息,利用深度学习技术,引入U2-Net模型进行遥感图像道路分割。相比于传统的道路提取方法,基于U2-Net方法可以实现道路的自动化提取。为验证U2-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为流行的语义分割方法进行对比试验,并进一步分析U2-Net显著图融合模块中卷积核对道路提取效果的影响。试验结果表明,U2-Net模型能较有效地提取出道路信息,模型在测试集上的平均交并比达到了76.49%,Kappa达到了0.701 2,分割精度优于U-Net、DeepLabV3+等语义分割方法。基于U2-Net模型的深度学习方法可以用于解决遥感图像中的道路分割问题,并具有较好的分割效果。

来源：2022年第6期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2022年第6期