利用轻量化DeepLabV3+进行植被信息提取

摘要

针对利用DeepLabV3+网络进行植被提取参数量过大、计算效率低、空间尺度适应性差等问题,本文以2 m分辨率重庆GF-1D影像为数据源,自制植被样本数据集,提出一种轻量化DeepLabV3+网络模型进行植被提取。该模型以MobileNetV2作为主干网络架构,在保证模型基本性能的前提下通过深度可分离卷积和反向残差模块降低其参数量,优化设计ASPP膨胀系数以增强对于不同尺寸林地、草地的提取能力,最后融合scSE注意力机制模块来获取准确的植被及边缘特征信息。结果表明:(1)轻量化DeepLabV3+网络模型的参数大小从208.7 MB减少到25.28 MB,每批次平均训练时间从7.47 min缩减到1.92 min;(2)模型的均交并比(mean intersection over union,MIoU)、均像素精度(mean pixel accuracy,MPA)、准确率(accuracy,ACC)达到75.8%、86.49%、91.32%。