结合卷积网络与注意力机制的冰凌提取算法

作     者：刘剑锋 郜利康 赫晓慧 乔梦佳 LIU Jianfeng;GAO Likang;HE Xiaohui;QIAO Mengjia

作者机构：黄河水利职业技术学院河南开封475004 开封市黄河凌汛灾害监测与预警重点实验室河南开封475004 河南超图信息技术有限公司郑州450000 郑州大学地球科学与技术学院郑州450000 郑州大学计算机与人工智能学院郑州450000 

出 版 物：《遥感信息》 (Remote Sensing Information)

年 卷 期：2023年第38卷第4期

页      面：49-56页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家重点研发计划(2021YFE0106700) 河南省科技攻关项目(212102110033) 2020年度河南省高等职业学校青年骨干教师培养计划(2020GZGG091) 2023年度河南省高等学校重点科研项目(23B420004) 

主　　题：中巴资源卫星 冰凌提取 ResNet Transformer 多头注意力 

摘      要：针对现有基于卷积神经网络的冰凌提取算法无法获取全局上下文特征导致提取结果不准确的问题,提出了一种基于ResNet的编码器和Transformer的解码器组成的冰凌智能提取算法ConvFormer。具体来说,ConvFormer选择ResNet18作为编码器,用于提取局部的多层次信息,并利用Transformer中的多头注意力机制做特征解码器,用于捕获全局上下文信息。文章进一步选取决策树、随机森林、U-Net和DeeplabV3+作为对照模型开展实验。实验结果表明,ConvFormer在各类指标上均优于其他方法,同时提取结果更加连贯,误分及漏分的现象显著减少,充分满足了冰凌监测需求。