计算机应用研究

作者：水文泽,孙盛,余旭,邓少平,

单位：1.广东工业大学a.计算机学院;b.土木与交通工程学院,广州510006；2.中山市基础地理信息中心,广东中山528400；

关键词：合成孔径雷达图像,深度学习,语义分割,轻量化卷积神经网络,

基金：国家自然科学基金资助项目(61672007)；广东省国际合作领域项目(2019A050509009)；广东省海洋与渔业厅渔港建设和渔业发展专项资助项目(A201701D04)；流域生态与地理环境监测国家局重点实验室资助项目(WE2016011)；自然资源部大湾区地理环境监测重点实验室开放基金资助项目(2019002)；；

针对合成孔径雷达图像的语义分割问题，构建了一个全新的TerraSAR-X语义分割数据集GDUT-Nansha。然后，为解决传统深度学习方法模型体积大，难以在样本数量偏少的合成孔径雷达图像数据集上应用的问题，对轻量化卷积神经网络ENet模型进行了分析和改造。提出了一种改进的轻量化卷积神经网络模型（revised weighted loss eNet，RWL-ENet）；针对合成孔径雷达图像数据集样本不平衡问题，使用了带有权重的损失函数。通过和其他经典卷积神经网络语义分割模型的对比实验，验证了新数据集的可靠性；同时，在参数量和模型体积远远小于其他网络模型的前提下，RWL-ENet模型在像素精度、平均像素精度、平均交并比三个定量指标上分别达到了0.884、0.804和0.645。

来源：2021年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第5期