改进DeepLabV3+的乡村道路语义分割方法研究

来源：电子测量技术杂志2025年第23期北京时间：

作者：郑锐宇，李兆飞，黄惟，曾熙涵，马润

单位：1.四川轻化工大学自动化与信息工程学院 宜宾 644000; 2.智能感知与控制四川省重点实验室 宜宾 644000

摘要：针对遥感影像中乡村道路像素占比小、形态不规则、阴影遮挡多以及边缘模糊等问题，本文提出一种改进的DeepLabV3+遥感乡村道路语义分割模型以提升乡村道路小目标和单目标分割精度。该模型以MobileNetV3为主干网络，减少参数量的同时提升分割精度；引入全局注意力机制，增强模型对全局信息的提取并提升泛化能力；ASPP模块中采用深度可分离卷积替代普通卷积，降低信息损失和计算量。在自建的卫星遥感道路影像数据集上，本文提出的改进模型取得显著成果，MIoU和MPA分别达到84.45%和92.32%，相比原始DeepLabV3+模型，分别提升4.63%和6.48%。同时，模型参数量大幅减少至6.30×106。在公开CHN6-CUG数据集上的实验结果同样验证改进模型的有效性，MIoU和MPA较原始DeepLabV3+分别提升3.05%和5.54%，达到79.64%和88.13%。以上结果表明，本研究提出的改进模型在实现轻量化的同时，能够有效提升乡村道路的分割精度和效率。

关键词：乡村道路;DeepLabV3+;语义分割;MobileNetV3;全局注意力机制

基金资助：四川省自然科学基金(2024NSFSC0770)、国家自然科学基金(42405145)、四川轻化工大学科研基金(2020RC32)项目资助