论文部分内容阅读
针对传统的遥感语义分割方法很难找到最优的阈值,且无法区别具有不同光谱特性的同一类对象,提出一种名为MUNet的多尺度自适应的遥感语义分割深度学习网络方法。该方法首先将不同尺度的UNet融合在一起,多个分支共用一个下采样的编码过程;其次各自进行与UNet相同的上采样过程;最后将推理结果进行连接后再进行卷积融合。在3个公开的遥感语义分割数据集上的实验结果表明:与主流的深度学习网络模型相比,平均交并比、精确度、召回率和准确度都有不同程度的提高,MUNet模型是一种更为简练和有效的遥感语义分割模型。