| 基于改进DeepLab v3+模型和迁移学习的高分遥感耕地信息提取方法 |
| |
| 引用本文： | 毛星,金晶,张欣,戴佩玉,任妮.基于改进DeepLab v3+模型和迁移学习的高分遥感耕地信息提取方法[J].江苏农业学报,2023(7):1519-1529. |
| |
| 作者姓名： | 毛星 金晶 张欣 戴佩玉 任妮 |
| |
| 作者单位： | 1. 江苏省农业科学院农业信息研究所;2. 农业农村部长三角智慧农业技术重点实验室 |
| |
| 摘 要： | 针对实际遥感耕地信息提取工作中，多源数据特征复杂、样本标注工作繁重等导致高空间分辨率影像解译精度不高、自动化程度不够的问题，本研究基于DeepLab v3+模型，提出一种融合邻域边缘加权模块(NEWM)和轴向注意力机制模块(CBAM-s)的卷积网络模型DEA-Net,结合迁移学习方法进行高分辨率遥感影像耕地信息提取。首先，在浅层网络结构中加入邻域边缘加权模块，提升高分辨率下地物的连续性，细化边缘分割粒度；其次，在深层网络结构中添加轴向注意力机制模块，增加细小地物的关注权重，减少深度卷积导致地物丢失的情况；最后，采用迁移学习的思想，降低样本标注工作量，提高模型学习能力。利用高分卫星土地覆盖数据集(GID)数据构建源域数据集进行模型预训练，将获取的模型参数及权重信息迁移至大数据与计算智能大赛(BDCI)遥感影像地块分割竞赛数据集和全国人工智能大赛(NAIC)遥感影像数据集制作的2种不同目标域数据集中，微调训练后应用于耕地信息提取研究。结果表明，本研究构建方法能够增强模型的空间细节学习能力，提高耕地语义分割精度的同时，降低2/3以上的训练样本数量，为遥感耕地信息提取及农业数据智能化利用提供新...
|
| 关 键 词： | 耕地信息提取 迁移学习 DEA-Net 高分遥感 |
|
|
