融合注意力机制和多尺度特征的无人机图像分割方法.pdfVIP

第39卷第2期山东理工大学学报(自然科学版)Vol.39No.2

2025年3月JournalofShandongUniversityofTechnology(NaturalScienceEdition)Mar.2025

---

文章编号:16726197(2025)02002208

融合注意力机制和多尺度特征的

无人机图像分割方法

王喜笑,陈辉

(安徽理工大学计算机科学与工程学院,安徽淮南232001)

摘要:针对现有无人机遥感图像分割算法普遍存在的未充分利用位置信息、小目标分割不准确

+

等问题,基于DeeplabV3网络提出融合注意力机制和多尺度特征的无人机遥感图像语义分割方

+

法。首先,在DeeplabV3网络基础上,用经过预训练的MobileNetV2网络替代原模型中的Xception

主干网络,减少模型参数量;其次,在空洞空间金字塔池化结构中加入坐标注意力细化模块以充分

利用位置信息来增强深层特征,并通过多尺度特征融合模块处理骨干网络不同层次的信息,帮助模

型更好地适应不同尺度的物体;最后,利用双三次插值上采样法替代双线性插值上采样法,便于模

型对特征图进行上采样,在训练时用Dice损失和交叉熵损失之和作为模型的损失函数来预防无人

机图像存在的类别不平衡问题。实验结果表明:改进后模型在Aeroscapes数据集上的平均交并比、

类别平均像素准确率分别为67.23%、76.01%,与原模型相比分别提高了6.89%、6.59%;在

WHDLD数据集上的平均交并比、类别平均像素准确率分别为66.09%、78.19%,与原模型相比分

别提高了0.88%、2.04%。

+

关键词:语义分割;DeeplabV3;小目标;注意力机制;特征融合

中图分类号:TP391.4文献标志码:A

AnimagesegmentationmethodofUAVimagesincorporating

attentionmechanismandmulti-scalefeatures

WANGXixiao,CHENHui

(SchoolofComputerScienceandEngineering,AnhuiUniversityofScienceandTechnology,Huainan232001,China)

Abstract:Todealwiththeproblemsofinsufficientuseofpositioninformationandinaccuratesegmenta-

tionofsmalltargetsinexistingUAVimagesegmentationalgorithms,thispaperproposesaUAVimagese-

+

manticsegmentationmethodbasedonDeeplabV3network,whichcombinesattentionmechanismand

multi-scalefeatures.First,toreducethenumberofparameters,theXceptionbackboneintheoriginal

modelisreplacedwiththepre-trainedMobi