UNET与FPN相结合的遥感图像语义分割

王 曦， 于 鸣,2*， 任洪娥,2*

(1． 东北林业大学 信息与计算机工程学院， 黑龙江 哈尔滨150040；2． 黑龙江省林业智能装备工程研究中心， 黑龙江 哈尔滨 150040)

1 引 言

卷积神经网络(Convolution Neural Networks，CNN)[1]以其局部权值共享的特殊结构以及良好的容错能力、并行处理能力和自学习能力被广泛应用于语义分割[2]、对象检测[3]、人脸识别[4]、图像分类[5]等诸多计算机视觉领域[6]。以图像语义分割为例，Long J和Shelhamer E首次将CNN引入了图像语义分割问题，提出了著名的FCN[7]结构。FCN将深度学习扩展到语义分割领域。FCN在提取特征方面与CNN基本一致。不同的是，FCN为每一个像素分配一个值，用于表示该像素属于特定类别的概率。相比使用手工设计的特征描对图像进行编码，通过反卷积实现上采样将CNN获取的编码恢复到原有图像尺寸，采用端到端的训练方式，简化了语义分割问题过程，得到了更优的准确率。Ronneberger O和Fischer P等人在FCN[8]基础上提出了UNET结构，使用了编码器解码器结构并加入了横向连接，f反卷积使得从图像特征编码到最后的预测结果更加平滑，横向连接为解码器增加了来自浅层具有局部信息的特征，丰富了解码器阶段包含的信息，进一步提升了效果。Chen L C和Papandreou G提出了DeepLab V3模型，在模型中对空间金字塔池化模块(ASPP)进一步改进，使用具有不同感受野的空洞卷积提取多尺度语义信息，通过1×1卷积进行整合，提升了模型整合多尺度信息的能力，将语义分割的效果带上了新台阶。

UNET模型最早用于医学影像分割，该模型以其简洁的结构以及显著的效果受到了国内外学者的关注。……