Для задачи сегментации водных объектов на изображениях дистанционного зондирования предложена усовершенствованная сеть UNet с многошкальным модулем внимания — A-MSFAM-UNet. Этот метод реализует сквозную сегментацию водных объектов на высокоразрешающих изображениях спутника GF-2. Во-первых, для решения проблемы нечувствительности локальной информации из-за глобального пуллинга в модулях внимания ранее была разработана многошкальная интегрирующая модуль внимания (MSFAM), который использует точечную свертку для интеграции глобальной информации каналов и глубинно-сепарабельную свертку для компенсации потерь информации от глобального пуллинга. MSFAM применяется в части объединения признаков после пропускных соединений UNet для перераспределения весов признаков с целью повышения эффективности их интеграции и усиления способности сети извлекать информацию с различных масштабов. Во-вторых, дилатированные свертки используются в основной сети VGG16 для расширения рецептивного поля без потери разрешения и агрегирования глобальной информации. Результаты показывают, что A-MSFAM-UNet превосходит другие улучшенные UNet с каналами внимания (SENet, ECANet), достигнув в среднем пересечения по объединению (MIoU), средней точности пикселя (MPA) и точности (Acc) 96.02%, 97.98% и 99.26% соответственно на наборе данных сегментации водных объектов GF-2.

изображения дистанционного зондирования;модуль внимания;глубинно-сепарабельная свертка;объединение признаков;дилатированные свертки