基于 HED—UNet 遥感图像建筑物语义分割

来源：计算机技术与发展杂志2022年第S2期北京时间：

作者：李松宇

摘要：作为计算机视觉领域的关键问题之一,语义分割通过对每个像素进行密集的预测并推断标签来实现细粒度的推理。 而针对遥感图像中建筑物的语义分割能够节省大量人力和时间成本。 但现有语义分割技术,往往经过多次下采样,使得目标细节特征损失严重。 该文将最新的 HED-UNet 网络迁移到针对遥感图像建筑物的语义分割中来。 HED 网络是一个多尺度融合网络,带有深度监督机制。 将 HED 网络嵌入到 U-Net 网络中,通过在多分辨率下对侧输出预测进行深度监督,使训练更为有效。 并引入一种层级注意机制,将这些多尺度预测自适应地合并到最终的模型输出中。 最后,在武汉大学的遥感建筑物数据集上进行了实验研究,结果表明 HED-UNet 相比于传统语义分割网络性能提升明显,PA 达到了0郾 966,MIoU 达到了 0. 922。

关键词：语义分割;遥感图像;深度学习;U-Net 网络;HED-UNet