黄一昕 方文珊 刘传朋 胡朝鹏

1.中国铁路经济规划研究院有限公司，北京 100038；2.中国铁路设计集团有限公司，天津 300308

铁路遥感技术主要是通过航天、航空等传感器获取地物影像，并对其进行解译、分析和调查，获取铁路沿线的地形、地貌、地质构造等信息，从而对线路方案、重大构筑物等所处的地质条件做出评价，为后期选线提供技术支撑，辅助勘察设计工作［1］。无人机技术作为航空遥感的重要一环，凭借不受空域限制、影像获取便捷、覆盖地物全面的特点，在铁路勘察设计阶段的重要性日益凸显。目前对于铁路无人机影像的特征提取工作主要通过人工目视解译完成，人工成本高，生产效率低，亟待寻求新方法，在保证精度的前提下提升工作效率。

深度学习是机器学习和人工智能领域的重要研究方向之一，它通过对海量影像数据进行学习，能够快速、精准、自动地检测出影像上的地物特征［2］。卷积神经网络（Convolutional Neural Networks，CNN）是深度学习的代表性算法之一，能够以较小的计算量学习到影像的浅层特征与深层特征［3］。U⁃Net 网络是卷积神经网络的代表性模型之一，在小数据集的情况下依然有很好的表现［4］。学者们在对U⁃Net 网络进行深入研究的基础上做了大量的改进。刘浩等［5］提出了以U⁃Net 网络结构为基础的Se⁃Unet，并使用dice 函数和交叉熵函数复合的损失函数进行训练，以提升模型精度并减轻样本不平衡问题。冯凡等［5］通过在U⁃Net 网络结构中引入基于残差的金字塔池化模块（Pyramid Pooling Module，PPM）和基于残差密集连接的聚合特征精化模块，提升建筑物分类精度。……