基于注意力改进RTformer的滑坡遥感图像语义分割

来源：电子测量技术杂志2024年第21期北京时间：

作者：唐海林，张俊，李屹旭，李升海

单位：1.贵州大学矿业学院 贵阳 550025; 2.贵州大学农学院 贵阳 550025

摘要：针对现有的遥感影像滑坡语义分割网络存在模型参数量大、训练速度较慢，滑坡边界区域识别模糊、遥感影像多尺度语义信息分类差异化等问题，本文提出一种改进的RTformer轻量级语义分割模型，在模型不同层级模块间嵌入空洞卷积注意力ASPP模块和通道注意力SE模块，以捕捉不同尺度的语义信息和通过计算通道关系从而增强特征表示能力，提高模型特征提取能力，使其更加适用于滑坡遥感影像识别任务。利用Cityscapes数据集针对模型中空洞卷积的膨胀率设置和不同批量大小进行对比试验以得到最优解，以毕节滑坡灾害数据集做为预训练数据集设计一个自监督训练任务，并使用其进行模型微调并检验模型针对滑坡灾害遥感影像的分割性能。最终得到的模型在Cityscapes数据集和毕节市滑坡灾害数据集上均获得了最优表现，相比原始RTformer模型，两个数据集的平均交并比（mIOU）分别提升了2.26%和4.34%。并且与FCN、U-Net、DeeplabV3、SegFormer等经典语义分割模型相比，改进模型以最少的参数和最快的推理速度实现了识别任务，并达到了最优分割效果。

关键词：图像处理;滑坡检测;遥感图像;语义分割;注意力机制

基金资助：贵州省省级科技计划项目(黔科合支撑［2022］一般204,黔科合基础-ZK［2024］一般093)资助