融入CBAM的Res-UNet高分辨率遥感影像语义分割模型

针对现有语义分割方法处理复杂遥感影像细节特征识别能力差、信息丢失等问题,提出一种融合注意力机制的遥感影像语义分割网络模型。模型主干网络采用编码器-解码器架构的U-Net模型,为了缓解梯度和网络退化问题,将残差结构嵌入到主干网络中;同时融入通道、空间注意力模块,兼顾影像的细节特征和模型鲁棒性。在ISPRS Potsdam数据集上进行分析验证,实验结果表明,在去除“噪声”、地物边缘“平滑”、细窄地物“连续”、细小目标分割等方面,融入CBAM模块的ResUNet语义分割精度要优于传统网络模型。