改进SegNet与迁移学习的遥感建筑物分割方法

作     者：林禹 赵泉华 沈昭宇 李玉 LIN Yu;ZHAO Quanhua;SHEN Zhaoyu;LI Yu

作者机构：辽宁工程技术大学测绘与地理科学学院辽宁阜新 123000 

出 版 物：《测绘科学》 (Science of Surveying and Mapping)

年 卷 期：2022年第47卷第6期

页      面：78-89页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金项目(41801233 41801368) 

主　　题：建筑物分割 SegNet 空洞空间卷积池化金字塔 传递迁移学习 

摘      要：针对传统SegNet应用于遥感影像建筑物分割出现分割不连续的问题,该文提出了一种改进的SegNet模型,并引入迁移学习方法,以提高遥感影像建筑物分割精度。以SegNet为基础,加入能够提取多尺度特征的改进空洞空间卷积池化金字塔模块,并引入跳层连接使分割结果更为精细。选取了FCN、SegNet、载入ImageNet预训练权重参数的SegNet作为对比算法,对遥感建筑物分割数据集Inria Aerial Image Labeling Dataset进行训练和测试。实验结果表明,在有限的迭代次数及实验区域内,该文算法拥有更好的分割效果和更强的泛化能力。