计算机工程

作者：逯焕宇, 张永宏, 马光义, 谢东林, 田伟

单位：1. 南京信息工程大学自动化学院, 江苏 南京 2100442. 南京信息工程大学电子与信息工程学院, 江苏 南京 2100443. 南京信息工程大学计算机学院, 江苏 南京 210044

关键词：语义分割,半监督,卷积神经网络,Swin Transformer模块,遥感图像

基金：国家重点研发计划(2021YFE0116900); 风云卫星应用先行计划(FY-APP-2022.0604); 国家自然科学基金(42175157); 江苏省研究生科研创新计划(KYCX23_1366)

语义分割技术被广泛应用于遥感图像水体提取任务中, 然而语义分割的结果极大依赖于数据集的规模, 针对遥感图像中水体数据集较少、获得精准标注数据成本高的问题, 提出一种用于水体提取的半监督对抗语义分割方法。作为生成器的分割网络中的卷积操作具有受限的感受野, 缺乏对长距离上下文关系的建模能力, Transformer能够建模图像的全局信息。该方法在分割网络中采用Swin Transformer建模深层特征的全局上下文信息, 挖掘像素之间的语义关系, 提高网络的特征提取能力。采用双卷积块提取图像的局部特征, 保留高分辨率细节信息。特征增强模块(FEM)用于抑制图像的背景噪声干扰, 进一步提高水体提取的精度。分割网络和判别器网络共同训练, 以提高在使用少量有标签数据条件下模型提取水体的性能。在GID数据集上进行大量实验, 结果表明, 该方法在不同比例有标签数据条件下均提高了水体提取的精度, 在仅1/8有标签数据的条件下, 该方法取得的F1-Score和交并比(IoU)分别为90.02%和81.86%, 优于U-Net、MWEN等语义分割网络。

来源：2024年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第7期