【论文阅读】SCAttNet:具有空间和通道注意机制的高分辨率遥感图像语义分割网络
文章目录
一、总体介绍
处理使用数据集HRRSIs
由于地物的多样性和复杂性，HRRSIs往往表现出较大的类内方差和较小的类间方差，这给语义分割任务带来了巨大的挑战。
对比数据集 （ISPRS）Vaihingen和Potsdam数据集
图像语义分割方法：
- 传统的图像语义分割方法（使用聚类、分类和阈值算法来分割图像）
- 基于深度学习的图像语义分割方法
本研究采用包含空间注意和通道注意的两个轻量级注意模块对HRRSIs进行语义分割
二、概述SCAttNet
它由两个部分组成:特征提取主干模块和注意模块
遥感图像，首先利用骨干网进行特征提取
提取出来的特征图输入到信道注意模块中，对通道中的特征进行细化
将优化后的通道特征图输入空间注意模块，在空间轴上进行细化
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YuvtwUXG-1665300912929)(C:\Users\isipa\AppData\Roaming\Typora\typora-user-images\image-20221005224141067.png)]](https://i-blog.csdnimg.cn/blog_migrate/bf2b9e8ac408050cb6aec181feddba0f.png#pic_center)
特征提取骨干
使用了两个具有代表性的主干进行特征提取:SegNet和ResNet50
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
