劉粉粉，王賀封，張安兵，李家駒，馬鵬飛

（1.河北工程大學(xué)地球科學(xué)與工程學(xué)院；2.河北工程大學(xué)礦業(yè)與測(cè)繪工程學(xué)院；3.邯鄲市自然資源空間信息重點(diǎn)實(shí)驗(yàn)室，河北邯鄲 056038）

0 引言

隨著社會(huì)經(jīng)濟(jì)快速發(fā)展和城市化進(jìn)程不斷加快，我國(guó)土地利用狀況不斷發(fā)生改變［1］。掌握實(shí)時(shí)可靠的土地利用變化信息，對(duì)科學(xué)的土地利用規(guī)劃具有重要現(xiàn)實(shí)意義。在土地利用變化研究數(shù)據(jù)獲取方面，目前常采用遙感衛(wèi)星方式，該方式適用于大區(qū)域、多時(shí)相地面信息監(jiān)測(cè)，但由于衛(wèi)星傳感器數(shù)據(jù)采集受時(shí)間、空間分辨率及數(shù)據(jù)質(zhì)量限制，往往無(wú)法及時(shí)、精細(xì)獲取指定區(qū)域用地變化信息。近年來(lái)，無(wú)人機(jī)（Unmanned Aerial Vehicle，UAV）低空技術(shù)快速發(fā)展，因其易操作、成本低、獲取數(shù)據(jù)快、分辨率高等特點(diǎn)，逐漸被應(yīng)用于土地利用分類、精準(zhǔn)農(nóng)業(yè)和國(guó)土資源監(jiān)測(cè)等領(lǐng)域，成為獲取高分辨影像的重要手段之一［2-3］。在信息提取模型研究方面，基于影像數(shù)據(jù)的土地分類方法逐漸發(fā)展成熟［4-5］，主要包括監(jiān)督分類、非監(jiān)督分類兩大類型，最大似然法、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等不同的分類模型，在土地利用、國(guó)土監(jiān)測(cè)、植被覆蓋變化等多個(gè)領(lǐng)域取得了較好應(yīng)用效果［6-8］。

近年來(lái)，隨著深度學(xué)習(xí)的快速發(fā)展，語(yǔ)義分割技術(shù)的出現(xiàn)為高分辨率影像分類提供了新的更優(yōu)的解決思路［9］。Long 等［10］提出全卷積神經(jīng)網(wǎng)絡(luò)（Fully Convolutional Networks，F(xiàn)CN），該模型使用反卷積層替代全連接層，將語(yǔ)義分割精度推向新的高度。Ronnenerger 等［11］提出用于醫(yī)學(xué)影像分割的U-net 模型，該模型一經(jīng)問(wèn)世就在醫(yī)學(xué)影像領(lǐng)域取得顯著效果。Chen 等［12-15］提出Deeplab 系列語(yǔ)義分割模型，先后采用條件隨機(jī)場(chǎng)（Conditional Random Field，CRF）、金字塔池化模塊（Atrous Spatial Pyramid Pooling，ASPP），在保證不改變分辨率的條件下擴(kuò)大感受野，提高了分割目標(biāo)的邊界效果。DeeplabV3+將編碼器—解碼器（Encoder-Dncoder）結(jié)構(gòu)與ASPP 相結(jié)合，在多個(gè)公開(kāi)圖像數(shù)據(jù)集上取得較好分割效果，成為當(dāng)前綜合性能優(yōu)秀的語(yǔ)義分割算法之一。但該模型是由DeeplabV1-3 發(fā)展而來(lái)，繼承了DeeplabV1-3模型的一些缺陷，如模型復(fù)雜、訓(xùn)練速度慢、分割精度低等。針對(duì)上述問(wèn)題，學(xué)者們進(jìn)行了相關(guān)研究。劉文萍等［16］提出基于改進(jìn)的DeeplabV3+模型進(jìn)行無(wú)人機(jī)影像土地利用分類，結(jié)果表明該方法有較好的分類精度。孟俊熙等［17］以DeeplabV3+為基礎(chǔ)構(gòu)建了N-DeeplabV3+模型，結(jié)果表明改進(jìn)后的模型有效提高了小尺度目標(biāo)的關(guān)注度，緩解了目標(biāo)誤分及分割不完全問(wèn)題，提高了分割精度。王紅軍等［18］提出一種基于SENet 優(yōu)化后的DeeplabV3+淡水魚(yú)頭、腹、鰭的語(yǔ)義分割算法，實(shí)驗(yàn)發(fā)現(xiàn)改進(jìn)后的網(wǎng)絡(luò)有效克服了細(xì)節(jié)信息丟失問(wèn)題，達(dá)到了準(zhǔn)確定位目的。但由于上述研究主要針對(duì)DeeplabV3+模型的某一缺陷進(jìn)行改進(jìn)，未能從全局性對(duì)網(wǎng)絡(luò)進(jìn)行統(tǒng)一改進(jìn)，因此細(xì)節(jié)信息丟失、分割不完全及參數(shù)量大等問(wèn)題仍然十分突出。

基于此，本文以DeeplabV3+網(wǎng)絡(luò)為基礎(chǔ)，提出應(yīng)用MobileNetV2 替換原始DeeplabV3+模型的主干特征提取網(wǎng)絡(luò)的思路，并將CA 注意力加入MobileNetV2 網(wǎng)絡(luò)，發(fā)揮各模塊算法優(yōu)勢(shì)，以期增強(qiáng)位置信息和空間信息的關(guān)系，在保證模型分割精度的同時(shí)，大幅度減少模型參數(shù)量，降低模型復(fù)雜度，提高模型計(jì)算速度。

1 相關(guān)網(wǎng)絡(luò)基礎(chǔ)

1.1 DeeplabV3+網(wǎng)絡(luò)結(jié)構(gòu)

DeeplabV3+是谷歌公司在DeeplabV1-3 基礎(chǔ)上將金字塔池化模塊（ASPP）與編碼器—解碼器結(jié)構(gòu)相結(jié)合而提出的一種新的語(yǔ)義分割模型，是現(xiàn)階段最優(yōu)秀的語(yǔ)義分割算法之一［13］。DeeplabV3+網(wǎng)絡(luò)以DeeplabV3 作為編碼器（Encoder），同時(shí)又添加解碼器（Decoder），該模型采用ResNet101［19］作為主干特征提取網(wǎng)絡(luò)，后連接帶空洞卷積（Atrous Convolution）的金字塔池化模塊（ASPP）進(jìn)行多尺度信息提取。ASPP 模塊包括一個(gè)1×1 卷積、3 個(gè)采用不同空洞率（分別為6、12、18）的3×3 空洞卷積和一個(gè)全局平均池化操作，在減少下采樣操作和不增加網(wǎng)絡(luò)參數(shù)的基礎(chǔ)上保證了空間分辨率，增大了感受野，獲取多尺度信息并進(jìn)行特征融合以更好地實(shí)現(xiàn)對(duì)多尺度目標(biāo)分割；然后通過(guò)1×1 卷積對(duì)通道進(jìn)行降維處理并將降維后的特征圖利用雙線性插值方法進(jìn)行4 倍上采樣后傳入Dncoder 中，在Dncoder內(nèi)與主干特征提取網(wǎng)絡(luò)提取的低層次特征融合，恢復(fù)目標(biāo)的邊界信息；最后利用3×3 卷積恢復(fù)空間信息和4 倍雙線性插值上采樣獲取圖像的語(yǔ)義分割結(jié)果。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，使用DeeplabV3+網(wǎng)絡(luò)對(duì)無(wú)人機(jī)影像進(jìn)行分割，存在邊緣粗糙、分割不完全等問(wèn)題。

1.2 改進(jìn)的DeeplaV3+網(wǎng)絡(luò)

1.3 MobileNetV2

Fig.1 Improved DeeplabV3+network圖1 改進(jìn)的DeeplabV3+網(wǎng)絡(luò)

MobileNetV1 是谷歌公司推出的一種輕量級(jí)計(jì)算機(jī)視覺(jué)神經(jīng)網(wǎng)絡(luò)，與其他網(wǎng)絡(luò)模型相比，該網(wǎng)絡(luò)降低了模型參數(shù)量，這一優(yōu)勢(shì)得益于該網(wǎng)絡(luò)采用了深度可分離卷積（Depthwise separable convolution）［21］。深度可分離卷積是一種分步式卷積，第一層為通道卷積：對(duì)每個(gè)輸入通道應(yīng)用單通道的輕量級(jí)濾波器；第二層稱為逐點(diǎn)卷積：負(fù)責(zé)計(jì)算輸入通道的線性組合，構(gòu)建新特征。MobileNetV2 是在MobileNetV1 網(wǎng)絡(luò)基礎(chǔ)上改進(jìn)而來(lái)，MobileNetV1 網(wǎng)絡(luò)主要思想是將深度可分離卷積進(jìn)行堆疊，而MobileNetV2 中除了繼續(xù)使用可分離卷積結(jié)構(gòu)外，還做了線性瓶頸和反向殘差改進(jìn)。反向殘差［22］結(jié)構(gòu)先通過(guò)擴(kuò)展層擴(kuò)展維度，再使用深度可分離卷積提取特征，最后使用投影層壓縮數(shù)據(jù)，使網(wǎng)絡(luò)重新變小，整個(gè)網(wǎng)絡(luò)中間胖、兩頭窄，呈沙漏形狀。反向殘差結(jié)構(gòu)由原始的先做深度卷積再做點(diǎn)卷積變?yōu)橄茸鳇c(diǎn)卷積再做深度卷積，最后再做一次點(diǎn)卷積的運(yùn)算方式，這種操作使得網(wǎng)絡(luò)能夠較好地提取信息且不會(huì)增加過(guò)多計(jì)算量。線性瓶頸是用在反殘差塊最后一次點(diǎn)卷積中，使用線性卷積代替原始卷積與ReLU 函數(shù)的組合，有助于信息保留，并且將通道卷積和點(diǎn)卷積的激活函數(shù)也調(diào)整為ReLU6。

1.4 注意力機(jī)制模型

近年來(lái)，注意力機(jī)制被廣泛應(yīng)用于深度學(xué)習(xí)的各個(gè)方面，尤其是在圖像分割和目標(biāo)識(shí)別領(lǐng)域。一般認(rèn)為，特征圖的每個(gè)通道都同等重要，并沒(méi)有區(qū)分各通道的優(yōu)先級(jí)和重要程度。SENet［23］注意力機(jī)制通過(guò)對(duì)不同的通道賦予不同的權(quán)重，達(dá)到對(duì)重要特征進(jìn)行強(qiáng)化學(xué)習(xí)的目的，但SENet在賦予通道權(quán)重時(shí)忽略了位置信息，而位置信息對(duì)空間選擇性的Attention Map 十分重要。為此，本文選擇了CA（Coordinate Attention）注意力機(jī)制，它不僅考慮了通道之間的關(guān)系，還考慮了特征空間的位置信息。

CA［24］是一種具有輕量級(jí)屬性的注意力方法，它有效捕獲了位置信息和通道信息的關(guān)系。CA 可以被看作一個(gè)旨在增強(qiáng)網(wǎng)絡(luò)學(xué)習(xí)特征表達(dá)力的計(jì)量單位，它可以對(duì)網(wǎng)絡(luò)中的任意特征向量X=[x1，x2，.....，xc] ∈RH×W×C進(jìn)行轉(zhuǎn)化變換，輸出與X 大小相同的具有增強(qiáng)表示的變換張量Y=[y1，y2，......，yc] ∈RH×W×C。CA 注意力通過(guò)精確的位置信息對(duì)通道關(guān)系和長(zhǎng)期依賴性進(jìn)行編碼，其具體操作可分為Coordinate 信息嵌入和Coordinate Attention 生成。為了獲取圖像寬度和高度上的注意力并對(duì)精確位置信息進(jìn)行編碼，分別從寬度和高度兩個(gè)方向上對(duì)特征圖進(jìn)行加強(qiáng)，獲得兩個(gè)方向上的特征圖。Coordinate Attention 結(jié)構(gòu)如圖2所示。

Fig.2 Structure of Coordinate Attention圖2 Coordinate Attention結(jié)構(gòu)

（1）Coordinate 信息嵌入。為了獲取圖像寬度和高度上的注意力并對(duì)精確位置信息進(jìn)行編碼，先將輸入特征圖分別按照寬度和高度兩個(gè)方向分別進(jìn)行全局平局池化，分別獲得在寬度和高度兩個(gè)方向上的特征圖。具體而言，給定輸入X，首先采用（H，1）和（1，W）的池化核分別沿著水平和垂直方向?qū)γ總€(gè)通道進(jìn)行編碼操作。因此，第c通道的高度為h的輸出可以表示為：

在進(jìn)行照片創(chuàng)意時(shí)，她最為在意的是最終成品的可控性與操作性——“是”與“像”之間、真實(shí)與人造之間的矛盾。斯各格蘭德認(rèn)為，向自然意象轉(zhuǎn)型尋求靈感，這一點(diǎn)似乎深深根植于美國(guó)文化中。

上述兩種變換分別從兩個(gè)空間方向?qū)μ卣鬟M(jìn)行聚合，得到一對(duì)方向感知特征圖。這與SENet中產(chǎn)生單一特征向量的SE block不同。這兩種轉(zhuǎn)換允許注意力模塊捕捉沿著一個(gè)空間方向的長(zhǎng)期依賴關(guān)系，并保存沿著另一個(gè)空間方向的精確位置信息，有助于模型更好地定位感興趣目標(biāo)。

（2）Coordinate Attention 生成。通過(guò)式（1）、式（2），可以很好地獲得全局感受野并對(duì)精確位置信息進(jìn)行編碼。為了利用由此產(chǎn)生的特征，通過(guò)信息嵌入中的變換后，將式（1）和式（2）產(chǎn)生的聚合特征圖進(jìn)行拼接操作，然后使用1×1 卷積變換函數(shù)F1對(duì)其進(jìn)行變換操作，此過(guò)程稱為Coordinate Attention 生成。

其中，［］是沿空間維度的拼接操作，δ為非線性激活函數(shù)，f∈RC/r×(H+W)是在水平方向和垂直方向?qū)臻g信息進(jìn)行編碼的中間特征圖，r是用來(lái)控制SE block 大小的縮減率。沿著空間維度將f分解為2 個(gè)獨(dú)立的張量f h∈RC/r×H和f w∈RC/r×W，再利用另外兩個(gè)1×1 卷積變換Fh和Fw分別將fh和fw變換為具有相同通道數(shù)的張量到輸入X，得到：

其中，δ是Sigmoid 激活函數(shù)。為了降低模型復(fù)雜性和計(jì)算開(kāi)銷，通常使用適當(dāng)?shù)目s減比r來(lái)縮小f的通道數(shù)，然后對(duì)輸出gh和gw進(jìn)行擴(kuò)展，分別作為注意力權(quán)重。最后Coordinate Attention 塊的輸出Y=[y1，y2，...yc]可以寫(xiě)成：

2 實(shí)驗(yàn)與分析

2.1 數(shù)據(jù)采集與實(shí)驗(yàn)數(shù)據(jù)集構(gòu)建

本次實(shí)驗(yàn)的研究區(qū)為岳城水庫(kù)附近的居民區(qū)，位于河北省磁縣，其地理坐標(biāo)位于114.07°～114.22°E、36.25°～36.35°N 之間，如圖3所示，考慮到地物類型豐富程度，經(jīng)數(shù)據(jù)篩選處理后，在研究區(qū)內(nèi)選取3 塊地物類型不盡相同的實(shí)驗(yàn)區(qū)。

采用型號(hào)為安爾康姆“md4-1000”四旋翼無(wú)人機(jī)，搭載索尼“A6000”相機(jī)進(jìn)行數(shù)據(jù)采集；使用mdCockpit3.5 軟件進(jìn)行航線設(shè)計(jì)，無(wú)人機(jī)飛行高度為150～200 m，航向重疊率度為80%，旁向重疊度為70%，布設(shè)像控點(diǎn)并進(jìn)行測(cè)量；在確保天氣和啟航條件滿足要求時(shí)進(jìn)行外業(yè)航攝；基于獲取的無(wú)人機(jī)照片、pos 信息及像控點(diǎn)坐標(biāo)，采用Pix4DMapper軟件進(jìn)行數(shù)據(jù)處理，得到研究區(qū)域正射影像。

Fig.3 Schematic diagram of the study area圖3 研究區(qū)域示意圖

考慮到計(jì)算機(jī)負(fù)荷及訓(xùn)練時(shí)間，參考公共遙感數(shù)據(jù)集，對(duì)無(wú)人機(jī)影像進(jìn)行重采樣。為了快速制作出符合實(shí)驗(yàn)要求的切片，借助相關(guān)軟件進(jìn)行快速裁剪，將無(wú)人機(jī)影像裁剪為512 pixel×512 pixel，并將原始圖像按7∶3 隨機(jī)分為訓(xùn)練集和測(cè)試集。結(jié)合目視解譯和實(shí)地調(diào)查，利用EISeg軟件對(duì)無(wú)人機(jī)數(shù)據(jù)集進(jìn)行標(biāo)注，如圖4 土地利用分類標(biāo)注示例，制作成滿足訓(xùn)練條件的岳城水庫(kù)居民區(qū)土地利用分類信息數(shù)據(jù)集。數(shù)據(jù)集共包含建筑物、水體、道路、農(nóng)業(yè)用地、林地、其他用地等6 種類型，各用地類型所占像素百分比分別為24%、1%、9%、31%、28%和7%。為了得到泛化能力更強(qiáng)的模型，提高分類精度，防止因數(shù)據(jù)集過(guò)小而導(dǎo)致的過(guò)擬合問(wèn)題，本文模型及對(duì)比模型均采用五折交叉驗(yàn)證的方式，最后使用測(cè)試集對(duì)最優(yōu)模型進(jìn)行測(cè)試。采取隨機(jī)旋轉(zhuǎn)、平移、模糊、加噪等方法對(duì)訓(xùn)練集進(jìn)行增強(qiáng)，增強(qiáng)后的圖片共有1 521 張，其中訓(xùn)練集1 400 張，測(cè)試集121張。

2.2 實(shí)驗(yàn)過(guò)程

Fig.4 Schematic diagram of land use classification annotation圖4 土地利用分類標(biāo)注示示意圖

實(shí)驗(yàn)環(huán)境為64 位Windows 操作系統(tǒng)，CPU 為Intel Core i7-9700K，內(nèi)存為3.6GHz @128G，顯卡為RTX 2080Ti 12G，硬盤(pán)為Samsung SSD 2TB，使用的深度學(xué)習(xí)框架為Pytorch。訓(xùn)練過(guò)程中設(shè)置批大?。╞atch_size）為6，迭代次數(shù)為300 個(gè)周期（epoch），學(xué)習(xí)率初始化為0.000 5，weight_decay 為0.000 1，使用Adam 優(yōu)化器進(jìn)行迭代更新參數(shù)，Adam可動(dòng)態(tài)調(diào)節(jié)學(xué)習(xí)率，使學(xué)習(xí)率更貼近當(dāng)前參數(shù)更新?tīng)顟B(tài)，從而讓模型更好地收斂。

2.3 模型評(píng)價(jià)指標(biāo)

為了衡量網(wǎng)絡(luò)性能，采用像素準(zhǔn)確度（Pixel Accuracy，PA）、平均像素準(zhǔn)確率（Mean Pixel Accuracy，MPA）、交并比（Intersection over Union，IoU）和平均交并比（mean Intersection over Union，mIoU）作為圖像語(yǔ)義分割性能的評(píng)價(jià)指標(biāo)。其中，PA 表示預(yù)測(cè)正確的像素點(diǎn)與總像素點(diǎn)的比值，MPA表示計(jì)算每個(gè)類被正確分類的像素總數(shù)與每個(gè)類別總數(shù)比率求和得到的均值，其計(jì)算公式分別為：

作為語(yǔ)義分割性能的評(píng)價(jià)指標(biāo)，IoU 是衡量模型性能的常用評(píng)價(jià)指標(biāo)，交并比用于計(jì)算某一類別真實(shí)值和預(yù)測(cè)值兩個(gè)集合的交集與并集的比值；mIoU 是對(duì)IoU 的進(jìn)一步提升，為計(jì)算得到的每個(gè)類別IoU 的平均值，其計(jì)算公式分別為：

其中，k表示標(biāo)簽的類別；k+1 表示包含空類或背景的總類別；pij表示本屬于i類但預(yù)測(cè)為j類的像素點(diǎn)總數(shù)；pii表示真正例，即模型預(yù)測(cè)為正例，實(shí)際為正例；pij表示假正例，即模型預(yù)測(cè)為正例，實(shí)際為反例；pji表示本屬于j類但預(yù)測(cè)為i類的像素點(diǎn)總數(shù)。mIoU 的值越大，說(shuō)明預(yù)測(cè)的分割結(jié)果越準(zhǔn)確。

2.4 實(shí)驗(yàn)過(guò)程

2.4.1 網(wǎng)絡(luò)驗(yàn)證實(shí)驗(yàn)

為了驗(yàn)證輕量級(jí)MobileNeV2 網(wǎng)絡(luò)在DeeplabV3+模型中的匹配性和表現(xiàn)效果，分別采用ResNet101 和Mobile-NetV2 作為DeeplabV3+模型的特征骨干提取網(wǎng)絡(luò)（MN_DeeplabV3+）在岳城水庫(kù)數(shù)據(jù)集上進(jìn)行比較實(shí)驗(yàn)，以mIoU、MPA、模型參數(shù)量作為評(píng)價(jià)指標(biāo)，實(shí)驗(yàn)結(jié)果如表1 所示。采用ResNet101 作為DeeplabV3+模型的特征骨干提取網(wǎng)絡(luò)，評(píng)價(jià)指標(biāo)mIoU 為65.10%，MPA 為76.31%，參數(shù)量為226.38MB，而將DeeplabV3+的主干特征提取網(wǎng)絡(luò)替換成MobileNetV2 后，mIoU 為66.31%，MPA 為78.28%，參數(shù)量為22.90MB。結(jié)果表明，替換主干特征提取網(wǎng)絡(luò)后的模型，分割平均像素準(zhǔn)確率和平均交并比均比采用Resnet101 網(wǎng)絡(luò)略有提升，同時(shí)模型參數(shù)量相比于原始DeeplabV3+模型呈現(xiàn)大幅度減少。因此，使用MobileNetV2 作為主干特征提取網(wǎng)絡(luò)具有一定優(yōu)勢(shì)，不僅提高了模型分割精度和速度，而且參數(shù)量?jī)H為原始網(wǎng)絡(luò)的1/10，降低203.48MB。

Table 1 Comparison results of different trunk feature extraction networks表1 不同主干特征提取網(wǎng)絡(luò)比較結(jié)果

2.4.2 模型比較實(shí)驗(yàn)與分析

為了驗(yàn)證CA 注意力機(jī)制的有效性，在保持實(shí)驗(yàn)環(huán)境和數(shù)據(jù)集不變的條件下，將加入CA 注意力機(jī)制的MN_DeeplabV3+模型（MNCA_DeeplabV3+）與DeeplabV3+、SE_DeeplabV3+、MN_DeeplabV3+進(jìn)行實(shí)驗(yàn)比較。由表2 可知，在平均交并比方面（mIoU），傳統(tǒng)DeeplabV3+模型的平均交并比為65.10%，SE_DeeplabV3+的平均交并比為66.46%，MN_DeeplabV3+的平均交并比為66.31%，而MNCA_DeeplabV3+的平均交并比為70.36%，較傳統(tǒng)的DeeplabV3+算法、SE_DeeplabV3+、MN_DeeplabV3+模型分別提高5.26 個(gè)百分點(diǎn)、3.9 個(gè)百分點(diǎn)、4.05 個(gè)百分點(diǎn)；在平均像素準(zhǔn)確度方面（MPA），傳統(tǒng)DeeplabV3+模型的平均像素準(zhǔn)確度為76.31%，SE_DeeplabV3+的平均像素準(zhǔn)確度為77.45%，MN_DeeplabV3+的平均像素準(zhǔn)確度為78.28%，而MNCA_DeeplabV3+的平均像素準(zhǔn)確度為80.41%，較傳統(tǒng)的DeeplabV3+模型、MN_DeeplabV3+模型分別提高4.10 個(gè)百分點(diǎn)、2.96 個(gè)百分點(diǎn)、2.13 個(gè)百分點(diǎn)。此外，從不同用地類別的分割精度看（見(jiàn)表2），4 種網(wǎng)絡(luò)對(duì)于建筑物、農(nóng)業(yè)用地、林地等用地類型均具有較高的分割精度。原因在于，這幾種用地類型目標(biāo)在數(shù)據(jù)集中所占像素比例較高，能夠取得較好的分割精度，而其他用地類型，所占像素比例較小，且語(yǔ)義特征不明顯，分割精度相對(duì)較低。實(shí)驗(yàn)數(shù)據(jù)表明，在MNCA_DeeplabV3+加入CA 注意力機(jī)制提高了模型的特征提取能力，對(duì)地物的分割精度更高。

Table 2 IoU and PA results of different land use classification表2 不同用地類別的IoU和PA結(jié)果

在常見(jiàn)的圖像語(yǔ)義分割模型中，一般模型層數(shù)越多，模型涉及參數(shù)量越大，模型越復(fù)雜，模型訓(xùn)練難度就越大。由表3 可知，相較于傳統(tǒng)DeeplabV3+模型，MNCA_DeeplabV3+模型參數(shù)量降低202.5MB，僅為傳統(tǒng)模型的1/10；相較于SE_DeeplabV3+模型降低185.42MB；相較于MN_DeeplabV3+模型雖然有所增加，但僅為0.98MB，這是由于加入CA 注意力，分割效率受到影響。綜合分析可知，同時(shí)兼顧分割精度和分割效率的模型改進(jìn)難度較大，MNCA_DeeplabV3+模型以較小的檢測(cè)速度為代價(jià)，換來(lái)分割精度的顯著提升，較好地平衡了分割精度和效率，體現(xiàn)了該模型的優(yōu)越性。

為了驗(yàn)證改進(jìn)模型的優(yōu)越性，將相同的測(cè)試圖片傳入到訓(xùn)練好的不同模型中，得到各模型分割結(jié)果如圖5所示。

Table 3 Comparative experimental results of different models表3 不同模型比較實(shí)驗(yàn)結(jié)果

Fig.5 Segmentation and comparison of different network models圖5 不同網(wǎng)絡(luò)模型分割比較

比較第一行和第四行圖片，DeeplabV3+、SE_ DeeplabV3+和MN_DeeplabV3+對(duì)林地和其他用地分割效果較差，不能真實(shí)地反映地物類型，其他用地被錯(cuò)分為林地，林地被錯(cuò)分為農(nóng)業(yè)用地；相比較而言，MNCA_DeeplabV3+模型分割結(jié)果未出現(xiàn)上述不足，分割效果有所提高，預(yù)測(cè)結(jié)果更加準(zhǔn)確。對(duì)于用地類別較少的圖像（第1 行），4 種網(wǎng)絡(luò)分割效果差異較小，但對(duì)于含有地物類別比較豐富的圖像，以上4 種網(wǎng)絡(luò)差異比較明顯。對(duì)比第2、3、4 行發(fā)現(xiàn)，對(duì)于地物類別比較豐富的圖像，DeeplabV3+模型分割結(jié)果最差，道路和建筑物誤分現(xiàn)象嚴(yán)重，存在嚴(yán)重的道路分割不連續(xù)現(xiàn)象，林地和水體也出現(xiàn)少數(shù)錯(cuò)分現(xiàn)象；MC_DeeplabV3+、SE_ DeeplabV3+模型雖然提高了模型分割精度，改善了錯(cuò)分及道路分割不連續(xù)問(wèn)題，但效果并不理想，農(nóng)業(yè)用地和林地仍存在誤分或分割不完全現(xiàn)象且有明顯毛邊問(wèn)題；MNCA_DeeplabV3+網(wǎng)絡(luò)的分割效果明顯優(yōu)于其他3 個(gè)網(wǎng)絡(luò)，該網(wǎng)絡(luò)對(duì)土地利用類型的分割更加精確，能準(zhǔn)確識(shí)別出圖像細(xì)節(jié)信息，邊緣預(yù)測(cè)更為清晰，主要表現(xiàn)在道路不連續(xù)現(xiàn)象較少，建筑物輪廓相對(duì)規(guī)則，誤分和不完全分割現(xiàn)象相對(duì)較少。實(shí)驗(yàn)結(jié)果表明，以上4 種模型在分割水體和建筑物方面均表現(xiàn)出優(yōu)越的性能，并且對(duì)于類別越少的影像其性能越突出；但對(duì)于用地類型較多的影像，MNCA_DeeplabV3+網(wǎng)絡(luò)更具有優(yōu)越性和有效性，能較好地識(shí)別真實(shí)的用地類型。此外，MNCA_DeeplabV3+模型在降低模型參數(shù)量的同時(shí)有效解決了道路斷連和分割不完全等問(wèn)題，細(xì)化了目標(biāo)地物的邊界，提高了目標(biāo)地物的分割精度，具有更好的地物辨別能力。

3 研究結(jié)論

為了降低模型的參數(shù)量、提高地物分類精度和提取效果，本文以DeeplabV3+模型為基礎(chǔ)，提出了一種改進(jìn)的輕量級(jí)網(wǎng)絡(luò)模型MNCA_DeeplabV3+，并在自制無(wú)人機(jī)數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明：

（1）MNCA_DeeplabV3+模型采用MobilenetV2 作為主干特征提取網(wǎng)絡(luò)，在很大程度上降低模型參數(shù)量，提高了模型計(jì)算速度；CA 注意力機(jī)制加入MobilenetV2 網(wǎng)絡(luò)提升了捕獲空間位置信息能力。通過(guò)模型比較實(shí)驗(yàn)表明，注意力機(jī)制可以改善模型中存在的分割不完全、道路斷連、邊緣細(xì)節(jié)丟失等問(wèn)題，進(jìn)一步驗(yàn)證了MNCA_DeeplabV3+模型優(yōu)越性。

（2）與原始網(wǎng)絡(luò)相比，MNCA_DeeplabV3+在選定區(qū)域無(wú)人機(jī)數(shù)據(jù)信息提取方面表現(xiàn)良好，mIoU、MPA 分別達(dá)到70.36%，80.41%，且模型參數(shù)量降至原始網(wǎng)絡(luò)的1/10。實(shí)驗(yàn)結(jié)果證實(shí)，改進(jìn)后的MNCA_DeeplabV3+模型對(duì)該數(shù)據(jù)集具有一定的適用性。

語(yǔ)義分割被廣泛應(yīng)用于國(guó)土監(jiān)測(cè)、精準(zhǔn)農(nóng)業(yè)等多個(gè)領(lǐng)域，進(jìn)行諸如建筑物、道路提取、土地利用分類等工作。從實(shí)驗(yàn)流程和實(shí)驗(yàn)結(jié)果看，本文仍存在以下問(wèn)題需深入研究：①無(wú)人機(jī)數(shù)據(jù)集標(biāo)注工作量大，耗時(shí)耗力，后續(xù)將研究采用無(wú)監(jiān)督學(xué)習(xí)等方法解決數(shù)據(jù)集標(biāo)注問(wèn)題；②本文實(shí)驗(yàn)區(qū)為高密度人類活動(dòng)區(qū)，考慮人工標(biāo)注成本和無(wú)人機(jī)航線多等問(wèn)題，實(shí)驗(yàn)時(shí)僅選取地物類型較豐富的3 塊實(shí)驗(yàn)區(qū)進(jìn)行土地利用分類研究，代表性不足，未來(lái)將進(jìn)一步豐富無(wú)人機(jī)影像數(shù)據(jù)集，測(cè)試MNCA_DeeplabV3+模型在完整區(qū)域的土地利用分類結(jié)果。