Para la tarea de segmentación de cuerpos de agua en imágenes de teledetección, se propuso una red UNet mejorada con un módulo de atención de fusión multiescala — A-MSFAM-UNet. Este método realiza una segmentación de cuerpos de agua de imágenes de alta resolución de extremo a extremo en la tarea de segmentación de agua de imágenes GF-2. Primero, para abordar el problema de insensibilidad a la información local causada por la operación de pooling global en módulos de atención anteriores, se diseñó un módulo de atención de fusión multiescala (MSFAM), que utiliza convolución puntual para fusionar información global de los canales y convolución separable en profundidad para compensar la pérdida de información causada por el pooling global. MSFAM se utiliza en la parte de fusión de características después de las conexiones de salto de UNet para redistribuir los pesos de los puntos de características y mejorar la eficiencia de la fusión de características, fortaleciendo la capacidad de la red para obtener información de diferentes escalas. En segundo lugar, se utiliza convolución dilatada en la red principal VGG16 para expandir el campo receptivo y agregar información global sin perder resolución. Los resultados muestran que A-MSFAM-UNet supera a otros UNet mejorados con atención de canal (SENet, ECANet), alcanzando un índice de intersección sobre unión promedio (MIoU), precisión media por píxel (MPA) y exactitud (Acc) de 96.02%, 97.98% y 99.26% respectivamente en el conjunto de datos de segmentación de cuerpos de agua GF-2.

imágenes de teledetección;módulo de atención;convolución separable en profundidad;fusión de características;convolución dilatada