为提高对森林火烧迹地的检测精度,文章利用火灾后Sentinel-2卫星影像,提出一种基于改进PSPNet的森林火烧迹地检测模型。该模型以带空洞卷积的ResNet34作为主干网络,并在主干网络内部融合RFB(Receptive Field Block)模块和ULSAM(Ultra Li...为提高对森林火烧迹地的检测精度,文章利用火灾后Sentinel-2卫星影像,提出一种基于改进PSPNet的森林火烧迹地检测模型。该模型以带空洞卷积的ResNet34作为主干网络,并在主干网络内部融合RFB(Receptive Field Block)模块和ULSAM(Ultra Lightweight Subspace Attention Module)模块来增强其特征提取能力;最后利用跳跃连接使模型的解码器部分充分利用主干网络输出的四个层级特征图。实验结果表明改进PSPNet模型的平均交并比和总体准确率分别为91.86%和96.89%,相比PSPNet,分别提高1.52%和0.67%。与其他语义分割模型相比,改进模型得到的分割结果细节更加丰富,且具有较好的泛化性能。展开更多
