一种改进U-Net网络的高分辨率影像农村道路提取方法

摘要

针对原始深度学习模型存在参数量大、忽略边缘特征等问题,提出一种基于注意力机制和Transformer的改进U-Net模型。首先在编码部分引入空洞卷积来增强模型的特征学习能力;然后在编码器中使用Transformer以获得更多特征信息;最后提出一种混合注意力机制将全局信息和浅层信息进行融合,增强上下文信息的联系。实验结果表明:改进后的U-Net模型准确率达86.52%、召回率为91.23%、F1分数为88.81%。各评价指标均优于原始U-Net模型和Deeplabv3+模型,研究可为全国农村道路网规划建设提供一定的技术支持。