注意力机制和全局卷积在光伏板分割中的应用

TP751.1; 准确识别光伏对光伏产业有效健康发展至关重要.高分辨率遥感图像复杂的背景和光伏板形状颜色多变给光伏识别带来巨大的挑战.针对高分辨率遥感图像中光伏用地提取问题,提出网络以精确地提取光伏用地.该网络采用编码器和解码器的形式融合多层特征以结合丰富的语义信息,利用全局卷积和双注意力机制捕获重要的空间特征和通道特征,并使用通道融合模块恢复丢失的部分通道信息.提出的方法可以有效解决光伏板边缘模糊和光伏板粘连的问题.在公开光伏数据集上的实验表明,与U-Net、SegNet、DeepLabv3和DeepLabv3+相比,所提方法在PV01、PV03、PV08三个数据集上的IoU分别达到87.0...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 4; pp. 237 - 248
Main Authors 李青, 李海涛, 李辉, 张俊虎
Format Journal Article
LanguageChinese
Published 青岛科技大学 信息科学技术学院,山东 青岛 266061 15.02.2024
Subjects
注意力机制
语义分割
光伏用地
attention mechanism
全局卷积
photovoltaic land
高分辨率遥感图像
global convolution
high-resolution remote sensing images
seman-tic segmentation
Online AccessGet full text

Cover

More Information
Summary:TP751.1; 准确识别光伏对光伏产业有效健康发展至关重要.高分辨率遥感图像复杂的背景和光伏板形状颜色多变给光伏识别带来巨大的挑战.针对高分辨率遥感图像中光伏用地提取问题,提出网络以精确地提取光伏用地.该网络采用编码器和解码器的形式融合多层特征以结合丰富的语义信息,利用全局卷积和双注意力机制捕获重要的空间特征和通道特征,并使用通道融合模块恢复丢失的部分通道信息.提出的方法可以有效解决光伏板边缘模糊和光伏板粘连的问题.在公开光伏数据集上的实验表明,与U-Net、SegNet、DeepLabv3和DeepLabv3+相比,所提方法在PV01、PV03、PV08三个数据集上的IoU分别达到87.02%、92.98%和88.43%.实验证明所提方法能对高分辨率遥感图像光伏板进行高准确率分割.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2209-0180