10.19665/j.issn1001-2400.2021.05.007
采用神经网络架构搜索的遥感影像分割方法
由于传统的深度卷积神经网络分割高分辨率遥感影像需人工设计网络架构,过度依赖专家经验,耗时费力,且网络泛化能力较差,因此,提出一种资源平衡型部分通道采样的神经网络架构搜索方法.首先,在网络架构参数中添加资源平衡项,提升搜索算法稳定性,同时减小剪枝过程中产生的更新不平衡和离散化误差;其次,选择部分通道进行搜索空间的混合操作,以节省计算资源,提升搜索效率,缓解网络过拟合;最后,根据高分辨率遥感影像地物复杂、分布离散及空间范围广等特点,引入Gumbel-Softmax Trick方法从非连续概率分布进行采样,以提高采样效率.在WHUBuilding数据集上MIoU语义分割评价指标达到90.93％,在GID数据集上MIoU语义分割评价指标达到69.53％,优于SegNet、U-Net、Deeplab v3+、NAS-HRIS等网络模型.实验结果表明,新方法能高效地自动搜索出分割高分辨率遥感影像的网络架构,具有分割精度高、计算资源占用率低的特点.
深度学习;高分辨率遥感影像;神经网络架构搜索;影像分割;卷积神经网络
48
TP391(计算技术、计算机技术)
国家自然科学基金;甘肃省科技计划;甘肃省高等学校创新基金;兰州市人才创新创业项目;兰州交通大学天佑创新团队
2021-11-18（万方平台首次上网日期，不代表论文的发表时间）
共12页
47-57,77
