1.一种融合注意力机制和残差ASPP的遥感影像语义分割方法,其特征在于,包括以下方法;
步骤S1:构建融合注意力机制和残差ASPP的神经网络;
所述步骤S1中融合注意力机制和残差ASPP的神经网络的构建以编码器-解码器作为基础结构,其中模型内融合有ASPP模块,注意力机制和残差结构;
所述编码器利用注意力机制和残差结构对所述ASPP模块进行了改进,进而形成包含5个空洞卷积注意力单元和1个残差单元的残差ASPP模块;所述解码器用于接收编码器输出的浅层和深层特征,具体的,将浅层特征输入注意力模块,并使用1×1卷积进行处理,将深层特征进行8倍上采样处理,然后将处理后的浅层特征与深层特征融合,融合后的特征用3×3卷积进行处理,进行8倍上采样处理,经过卷积与上采样处理最终得到网络的预测依据;
步骤S2:训练步骤S1中构建的融合注意力机制和残差ASPP的神经网络;
所述注意力机制采用Dual Attention模块来预测道路,荒地和森林;通过采用Theconvolutional block attention module模块来预测背景,水体,建筑;
步骤S3:利用步骤S2中训练好的模型,进行遥感影像语义分割,具体的,通过将获取的遥感图像输入到步骤S2训练好的融合注意力机制和残差ASPP的语义分割模型中进行遥感图像语义分割。
2.根据权利要求1所述的一种融合注意力机制和残差ASPP的遥感影像语义分割方法,其特征在于,所述步骤S2的具体方法为:S21:从开源的遥感影像数据集LoveDA获取遥感影像的数据集,并将其按8:1:1的比例划分为训练集、验证集和测试集;
S22:将数据预处理后的遥感图像输入步骤S1构建的融合注意力机制和残差ASPP的模型中进行训练。
3.根据权利要求2所述的一种融合注意力机制和残差ASPP的遥感影像语义分割方法,其特征在于,所述步骤S22的具体方法为:S221:遥感图像输入融合注意力机制和残差ASPP的语义分割网络模型中,前向传播获得语义分割网络模型输出的遥感影像样本地物类型的形状信息;
S222:采用损失函数计算预测结果与实际结果之间的损失并通过反向传播算法来不断优化模型的参数,损失函数使用DiceLoss+CELoss;其损失函数计算公式如下:Total·Loss=LCE+Ldice
上式中,N代表样本的总数,t
U表示预测值和目标值的和,ε表示平滑系数,取1e