摘要
本发明涉及一种面向高分辨率遥感图像的多尺度双分支语义分割方法,属于计算机技术领域。该方法包括:采集数据集并预处理;构建浅层特征提取融合模块,该模块通过双分支结构的ResNet分别处理VIS和DSM数据,利用卷积层提取特征后经特征融合模块融合,能充分挖掘不同数据源特征并融合;构建深层特征提取融合模块,该模块的SCSA层结合通道与空间注意力处理特征图,跨模态自注意力层计算跨模态注意力并融合结果;接着构建级联解码器,再用训练集训练网络,最后用测试集测试网络。该方法解决了高分辨率遥感图像语义分割中地物特征复杂多样、空间分布不均及VIS和DSM数据信息融合不充分等问题。
技术关键词
语义分割方法
深层特征提取
浅层特征提取
高分辨率遥感图像
解码器
数字表面模型
跨模态
数据
可见光图像
Sigmoid函数
多尺度
级联
协同注意力
编解码结构
双分支结构
模块
全局平均池化
系统为您推荐了相关专利信息
离散小波变换
医学图像融合方法
特征提取模块
分支
重构
极化SAR图像
生成式对抗网络模型
散射特征
极化特征
融合特征
图像分割模型
位姿估计方法
机器人拆垛
生成机器人
空间聚类算法
融合多尺度特征
点云
跨尺度特征融合
基准
语义注意力