基于改进UNet的遥感图像语义分割

打开文本图片集

摘要：全卷积神经网络在遥感图像语义分割中得到了广泛应用，该方法地物分类精度和效率较高，但对地物分布不均匀遥感图像占比较少地物的分类准确率较低。为了提高遥感图像的分类精度，本文通过添加先验知识方法丰富输入数据特征，采用密集链接方式提高上下采样过程中特征的重复利用率，采用可以优化交并比的损失函数Dice Loss和可以提高难分类类别精度的损失函数Focal Loss相加组合作为网络模型的损失函数，采用LayerScale模块加快模型收敛、抑制无用特征、突出有效特征的方式，对UNet的输入、网络结构、损失函数进行改进，优化语义分割效果。（剩余18320字）