一种基于改进DeepLabV3+的露天矿区土地利用识别方法

    公开(公告)号:CN113435411A

    公开(公告)日:2021-09-24

    申请号:CN202110843211.1

    申请日:2021-07-26

    摘要: 本发明公开了一种基于改进DeepLabV3+的露天矿区土地利用识别方法,首先制作矿区不同土地利用类型样本数据集,构建DeepLabV3+网络模型,采用Xception作为基础网络架构提取低层和高层特征,其次通过改进的空间金字塔池化提取多尺度特征信息,然后将多尺度特征输入到注意力机制模块中,增强网络模型的分类能力;最后,聚合Xception低层特征与多尺度高层特征,通过卷积和上采样得到模型预测结果。本发明通过低层特征多尺度空间信息融合减少网络逐层卷积池化导致的边缘信息损失,提高了分割精度,通过引入空间注意力机制模块聚合多尺度上下文信息,增强网络模型的分类能力,通过占比加权的方法解决网络训练中样本不平衡的问题,提高了各类别用地的分类识别精度。

    一种基于改进Unet++的露天矿区采场变化区域检测方法

    公开(公告)号:CN113887459A

    公开(公告)日:2022-01-04

    申请号:CN202111185384.5

    申请日:2021-10-12

    摘要: 本发明公开了一种基于改进Unet++的露天矿区采场变化区域检测方法,其方法如下:A、获取至少两个年份的采场样本数据集,采场样本数据集中的数据为露天矿区采场的高分辨率遥感影像;B、基于Pytorch设计构建改进的Unet++网络模型,Unet++网络模型以Unet++作为基础网络结构,引入可变形卷积模块和CBAM注意力机制模块,CBAM注意力机制模块包括通道注意力模块和空间注意力模块;C、Unet++网络模型训练:利用训练数据集对Unet++网络模型进行训练并得到训练后的Unet++网络模型。本发明将多尺度可变形卷积引入Unet++网络模型并用于露天矿区场景特征提取,提高了鲁棒性与识别精度;通过在可变形卷积Unet++网络中加入深度学习注意力机制,增强模型对实质性变化类特征的学习与敏感程度。