基于空洞空间金字塔池化与解码器的高分辨率遥感影像密集语义标注

摘要： 密集语义标注在高分辨率遥感影像研究中具有重要意义，已广泛应用于土地利用分析和环境保护领域。随着全卷积网络（FCN）的近期成功应用，各类网络架构显著提升了性能表现。其中空洞空间金字塔池化（ASPP）和编码器-解码器是两种成功架构：前者能提取多尺度上下文信息与多效视场范围，后者可恢复空间信息以获得更清晰的物体边界。本研究通过融合这两种结构的优势，提出了一种更高效的全卷积网络。该模型采用深度残差网络（ResNet）结合ASPP作为编码器，在上采样阶段将两个尺度的高层特征与对应低层特征组合构成解码器。我们进一步开发了多尺度损失函数来强化学习过程。在后处理环节，采用基于超像素的新型密集条件随机场优化预测结果。通过在波茨坦和瓦亨根数据集上的评估表明，本方法优于其他机器学习或深度学习方法——相比当前最先进的DeepLab_v3+，我们的模型在这两个数据集上的总体精度分别提升了0.4%和0.6%。