【论文阅读】结合空洞卷积的 FuseNet变体网络高分辨率遥感影像语义分割

【论文阅读】结合空洞卷积的 FuseNet变体网络高分辨率遥感影像语义分割

一、论文总体框架

  首先，采用 FuseNet变体网络将数字地表模型（digital surface model，DSM）图像中包含的高程信息与红绿蓝（red green blue，RGB）图像的颜色信息融合
  其次，在编码器和解码器中分别使用空洞卷积来增大卷积核感受野；最后，对遥感影像逐像素分类，输出遥感影像语义分割结果

高分辨率语义分割图像基本分为：

• 红绿蓝（red green blue，RGB）信息
• 数字地表模型（digital surface model，DSM）

文中所提及的在对相应图片处理时

  分别提取红绿蓝（red green blue，RGB）信息和数字地表模型（digital surface model，DSM）
信息，并将它们融合集成到 SegNet结构中进行语义分割，获得高分辨率的多模态预测 RGB‐DSM数据用于异构数据源的联合学习

参考文献： Sherrah J. Fully Convolutional Networks for Dense Semantic Labelling of High‐Resolution Aerial Imagery［EB/OL］. （2016‐06‐08）［2020‐06‐22］.

https：//www. doc88. com/p-0704858988942. html

二、数据集的使用

采用的数据集：

国际摄影测量与遥感学会（Interna‐tional Society for Photogrammetry and Remote Sensing，ISPRS），

Potsdam、Vaihingen数据集

数据集介绍：