赵紫旋，吴 谨，朱 磊

基于GLNet和HRNet的高分辨率遥感影像语义分割

赵紫旋1,2，吴 谨1,2，朱 磊1,3

（1. 武汉科技大学 信息科学与工程学院，湖北 武汉 430081；2. 冶金自动化与检测技术教育部工程中心，湖北 武汉 430000；3. 中冶南方连铸技术工程有限责任公司，湖北 武汉 430223）

在GLNet（Global-Local Network）中，全局分支采用ResNet（Residual Network）作为主干网络，其侧边输出的特征图分辨率较低，而且表征能力不足，局部分支融合全局分支中未充分学习的特征图，造成分割准确率欠佳。针对上述问题，提出了一种基于GLNet和HRNet（High-Resolution Network）的改进网络用于高分辨率遥感影像语义分割。首先，利用HRNet取代全局分支中原有的ResNet主干，获取表征能力更强，分辨率更高的特征图。然后，采用多级损失函数对网络进行优化，使输出结果与人工标记更为相似。最后，独立训练局部分支，以消除全局分支中特征图所带来的混淆。在高分辨率遥感影像数据集上，对所提出的改进网络进行训练和测试，实验结果表明，改进网络在全局分支和局部分支上的平均绝对误差（Mean Absolute Error，MAE）分别为0.0630和0.0479，在分割准确率和平均绝对误差方面均优于GLNet。

高分辨率遥感影像；语义分割；全局分支；局部分支；独立训练

0 引言

图像的语义分割将属于相同目标类别的图像子区域聚合起来，是高分辨率遥感影像信息提取和场景理解的基础，也是实现从数据到信息对象化提取的关键步骤，具有重要的意义。

在对高分辨率遥感影像进行语义分割时，传统方法的抗噪性能较差，难以获得较好的分割准确率和分割速度。……