顾及多尺度上下文信息的深度学习城市绿地分类

摘要

深度学习语义分割方法可高效、准确地进行高分辨率遥感影像城市绿地分类,但仍存在以下不足:用于城市绿地分类的语义分割模型没有充分利用多尺度上下文信息,因而很难应对高分辨率遥感影像丰富的空间信息与一些零星、不规则的城市绿地带来的挑战,难以满足对多种城市绿地子类型分类(乔木、灌木、草地等)的数据需求.鉴于此,本文构建了一个新的模型Res2UNet-Modified(Res2UNet-M),从3个方面提高模型对多尺度上下文信息的提取和利用能力,实现对多种城市绿地子类型的较高精度分类.