【技术实现步骤摘要】
本专利技术涉及遥感地物分割，特别是涉及一种基于残差模块和注意力机制的地物分割方法及相关装置。
技术介绍
1、近年来，遥感技术和计算机技术发展迅速，许多研究工作者致力于利用机器学习算法提高图像处理工作的效率，随着计算机硬件的性能不断提升，需要强大的算力来支持的深度学习技术在计算机视觉领域迅速发展，在遥感、自动驾驶、医学影像处理等监测和识别工作中发挥了巨大潜力。
2、针对图像处理的深度学习算法以深度卷积神经网络为代表，近几年迅速衍生出针对各种问题的神经网络模型，其中全卷积神经网络(fcn)和u-net模型在图像分割领域广泛应用，是目前应用的主流网络。u-net最早用于医学图像分割任务中，以简洁的结构和优秀的性能著称，因此根据不同的问题进行了不同的改进，例如unet++、attention u-net、u2-net等优秀模型。
3、将基于深度学习的图像语义分割技术引入遥感领域，利用计算机自动进行遥感解译工作，已经是一条必走之路，也是一场巨大挑战。而遥感影像中地物信息复杂性，容易互相混淆，存在地物之间分界线模糊不清、对比...
【技术保护点】
1.一种基于残差模块和注意力机制的地物分割方法，其特征在于，包括：
2.根据权利要求1所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，还包括：
3.根据权利要求2所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，利用所述训练数据集，对所述地物分割模型进行训练，得到训练好的建筑物分割模型，具体包括：
4.根据权利要求1所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，还包括：
5.根据权利要求1所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，所述地物分割模型包括编码器和解...
【技术特征摘要】
1.一种基于残差模块和注意力机制的地物分割方法，其特征在于，包括：
2.根据权利要求1所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，还包括：
3.根据权利要求2所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，利用所述训练数据集，对所述地物分割模型进行训练，得到训练好的建筑物分割模型，具体包括：
4.根据权利要求1所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，还包括：
5.根据权利要求1所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，所述地物分割模型包括编码器和解码器；所述编码器和所述解码器中包括残差模块；所述解码器中包括注意力模块。
6.根据权利要求5所述的一种基于残差模块和注意力机制的地物分割方法，其特征在于，所述编码器包括依次连接的第一卷积块、第二卷积块、第三卷积块、第四卷积块和第五卷积块；所述残差模块包括第一残差块、第二残差块、第三残差块和第四残差块；所述第一残差块连接在第一卷积块和第二卷积块之间；所述第二残差块连接在第二卷积块和第三卷积块之间；所述第三残差块连接在...
【专利技术属性】
技术研发人员：曾涛，蒲泽明，伏晏民，林世鹏，刘佩洁，吴道斌，何俊杰，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。