肖建峰

（南华大学计算机学院软件工程系，衡阳 421001）

0 引言

深度学习（deep learning，DL）是机器学习（machine learning，ML）领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能（artificial intelligence，AI）［1］。近年来随着深度学习的发展，深度学习在计算机视觉上用于语义分割有不错的成就。图像分割是计算机视觉领域的一个重要方向，是图像处理的核心环节。伴随深度学习技术的发展，结合深度学习的图像分割技术在精确度上远超传统图像分割方法。卷积神经网络（CNN）与全卷积神经网络（FCN）的提出，极大促进了图像语义分割技术发展,研究人员提出了很多新型网络模型，分割精准度大幅度提升［2］。

遥感技术在空间地理信息的应用上解决了许多的问题。遥感技术广泛用于军事检测、监视海洋环境、观察天气等。在民用方面，遥感技术被用来进行地理资源检测、农作物分类、用地规划、环境污染监测、建筑识别、预测地震等方面。

本文将讲述语义分割的相关内容，阐明使用FCN和ResNet结合的网络模型来对地表的建筑物进行识别，将图像分割出来的原理。并利用航拍的地表图片进行训练，得出实验结果，进行总结。

1 语义分割

1.1 语义分割的定义

语义分割是计算机视觉中十分重要的领域，它是从像素的级别上识别图像，识别出图像中每个像素对应的物体的种类。语义分割的目的是将图像中的每个像素映射至一个目标类。语义在图像的领域来说就是指对图像内容进行理解。分割，就是将图像中物体从像素的颜色上分离。……