基于語義分割網(wǎng)絡(luò)的高分遙感影像城市建成區(qū)提取方法研究與對比分析

劉釗，趙桐，廖斐凡，李帥，李海洋

(清華大學(xué)土木工程系交通工程與地球空間信息研究所，北京 100084)

0 引言

近年來，中國的城市化進(jìn)程突飛猛進(jìn)，而現(xiàn)實(shí)城市發(fā)展進(jìn)程的指標(biāo)之一就是城市建成區(qū)。根據(jù)國家質(zhì)量技術(shù)監(jiān)督局和國家建設(shè)部共同發(fā)布的《城市規(guī)劃基本術(shù)語標(biāo)準(zhǔn)》，建成區(qū)定義為： 城市行政區(qū)內(nèi)實(shí)際已成片開發(fā)建設(shè)、市政公用設(shè)施和公共設(shè)施基本具備的區(qū)域[1]。城市建成區(qū)是反映城市綜合經(jīng)濟(jì)實(shí)力和城市化水平的重要指標(biāo)。獲取歷年以來城市建成區(qū)數(shù)據(jù)，對于城市的建設(shè)和管理企業(yè)的決策等具有重要的意義。

城市建成區(qū)的提取是近年來遙感應(yīng)用領(lǐng)域研究的熱點(diǎn)內(nèi)容。傳統(tǒng)的研究方法主要包括都市化指數(shù)(urban index, UI)[2]、歸一化建筑指數(shù)(normalized difference built-up index, NDBI)[3]、歸一化植被指數(shù)(normalized difference vegetation index, NDVI)[4]等方法。這些指數(shù)不僅可以單獨(dú)運(yùn)用，也可相互結(jié)合綜合運(yùn)用[5]，能夠得到更好的效果。傳統(tǒng)方法由于是通過地物的光譜特征提取關(guān)鍵信息，經(jīng)常出現(xiàn)同譜異物或者同物異譜的現(xiàn)象，從而使該類方法很不穩(wěn)定，在識別地物時容易存在較大誤差。

機(jī)器學(xué)習(xí)方法中，隨機(jī)森林法[6]、支持向量機(jī)法[7]以及無監(jiān)督的聚類方法[8]同樣可以完成建成區(qū)的識別。Gong等[9]應(yīng)用哨兵2號影像采用隨機(jī)森林算法，在Google Earth Engine平臺上達(dá)到了72.6%的高精度。機(jī)器學(xué)習(xí)的算法優(yōu)點(diǎn)在于算法簡單，運(yùn)行速度快。但算法簡單帶來的缺陷就是層次太淺，無法處理復(fù)雜的分類問題，以及面對大數(shù)據(jù)量的問題時，預(yù)測的精度會受到限制。所以，傳統(tǒng)機(jī)器學(xué)習(xí)算法并不是當(dāng)今熱點(diǎn)問題的最優(yōu)解。

深度學(xué)習(xí)算法很好地解決了傳統(tǒng)機(jī)器學(xué)習(xí)算法中層次淺的問題，成為了當(dāng)今的研究熱點(diǎn)。卷積神經(jīng)網(wǎng)絡(luò)[10]則是深度學(xué)習(xí)中應(yīng)用最廣泛的分支，目前已被大量用在城市建成區(qū)的識別之中。現(xiàn)代意義上的卷積神經(jīng)網(wǎng)絡(luò)起源于2012年的AlexNet[11]網(wǎng)絡(luò)，該網(wǎng)絡(luò)相比于以往的神經(jīng)網(wǎng)絡(luò)擁有更深的層次和新的激活函數(shù)ReLU，從而加快了訓(xùn)練速度。卷積神經(jīng)網(wǎng)絡(luò)在圖像分類上取得了高精度后，隨即被應(yīng)用到其他問題，例如圖像語義分割以及圖像實(shí)例分割。其中圖像語義分割類似于圖像分類，不同點(diǎn)在于語義分割是針對每一個像素的分割問題。

近幾年的研究和應(yīng)用中涌現(xiàn)出了很多優(yōu)秀的語義分割網(wǎng)絡(luò)，每年圖像分割競賽的語義分割網(wǎng)絡(luò)精度也在逐年提升。很多國內(nèi)外學(xué)者應(yīng)用語義分割網(wǎng)絡(luò)進(jìn)行遙感影像建成區(qū)的識別，并取得了理想的結(jié)果。楊建宇等[12]運(yùn)用SegNet[13]語義分割網(wǎng)絡(luò)在WorldView影像上進(jìn)行霸州地區(qū)農(nóng)村用地的提取，并得到了很高的分類精度； 蘇健民等[14]將U-Net[15]語義分割網(wǎng)絡(luò)應(yīng)用在CCF衛(wèi)星影像數(shù)據(jù)集上，取得了90%的測試準(zhǔn)確率； Chen等[16]基于空洞卷積[17]的理論提出了Deeplab v3模型結(jié)構(gòu)，將準(zhǔn)確率進(jìn)一步提升； 王俊強(qiáng)等[18]也利用Deeplab v3網(wǎng)絡(luò)對道路和建筑物進(jìn)行提取，得到了較高的分割精度。

在一個典型的語義分割網(wǎng)絡(luò)之中，每一個卷積層之間的連接關(guān)系會影響到最終訓(xùn)練的精度。殘差網(wǎng)絡(luò)(residual neural network，ResNet)[19]通過跳接的方式使網(wǎng)絡(luò)的訓(xùn)練精度更高，解決了傳統(tǒng)的AlexNet和VGGNet網(wǎng)絡(luò)最大的缺陷。本文以ResNet50以及ResNet101殘差網(wǎng)絡(luò)作為解碼器的基礎(chǔ)，對Deeplab v3,金字塔場景解析網(wǎng)絡(luò)(pyramid scene parsing network,PSPNet)[20]和ShelfNet[21]3個以ResNet網(wǎng)絡(luò)為骨架的語義分割網(wǎng)絡(luò)的內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行對比分析，并通過同一高分遙感影像城市建成區(qū)數(shù)據(jù)進(jìn)行對比實(shí)驗(yàn)，比較得出提取城市建成區(qū)時最適用的語義分割網(wǎng)絡(luò)。

1 ResNet網(wǎng)絡(luò)原理分析

ResNet由He等提出[19]。該網(wǎng)絡(luò)在ILSVRC比賽中取得冠軍，分割效果非常理想。與早期的AlexNet和VGGNet[22]相比，能夠在保持更低參數(shù)量的同時得到更好的效果，并且解決了VGGNet及其他更早的卷積神經(jīng)網(wǎng)絡(luò)中的諸多缺陷。AlexNet網(wǎng)絡(luò)和VGGNet網(wǎng)絡(luò)僅僅是由上而下的編碼結(jié)構(gòu)，此類結(jié)構(gòu)的層數(shù)通常會存在最大值，而超過最大值的網(wǎng)絡(luò)很容易出現(xiàn)過擬合的問題，從而導(dǎo)致精度的降低。ResNet最大的創(chuàng)新點(diǎn)在于網(wǎng)絡(luò)內(nèi)部的殘差單元，其基本結(jié)構(gòu)如圖1所示。殘差單元保證了ResNet網(wǎng)絡(luò)可以達(dá)到很深的層次。圖中的x為殘差學(xué)習(xí)模塊的輸入層，F(xiàn)(x)為殘差學(xué)習(xí)網(wǎng)絡(luò)的映射。

圖1 ResNet基本結(jié)構(gòu)

傳統(tǒng)的AlexNet和VGGNet網(wǎng)絡(luò)最大的缺陷在于，當(dāng)網(wǎng)絡(luò)變得越來越深的時候，訓(xùn)練誤差曲線會趨于平緩，準(zhǔn)確率不再上升，VGGNet達(dá)到19層后甚至?xí)?dǎo)致分類性能的下降。ResNet很好地解決了這類問題： 它不再用堆疊的卷積層直接擬合期望的特征映射，而是將原本的映射和輸入本身做差，擬合殘差映射。假設(shè)卷積層的映射為H(x)，那么殘差映射F(x)=H(x)-x。ResNet網(wǎng)絡(luò)將輸入的信息繞道直接傳到輸出端，這樣做的優(yōu)勢在于淺層的信息成功進(jìn)入了深層的卷積層，使得整個卷積網(wǎng)絡(luò)中融合了大量淺層信息，避免了梯度消失問題。ResNet網(wǎng)絡(luò)常用層數(shù)有34層、50層、101層以及152層。

由于ResNet網(wǎng)絡(luò)的優(yōu)異表現(xiàn)，現(xiàn)如今很多語義分割網(wǎng)絡(luò)都基于ResNet網(wǎng)絡(luò)搭建，包括Deeplab v3網(wǎng)絡(luò)、PSPNet網(wǎng)絡(luò)以及ShelfNet網(wǎng)絡(luò)等。它們都將ResNet作為基本骨架，再加上自身的創(chuàng)新點(diǎn)，從而形成了各自網(wǎng)絡(luò)的優(yōu)點(diǎn)。

2 語義分割網(wǎng)絡(luò)原理及對比分析

2.1 Deeplab v3網(wǎng)絡(luò)原理

Deeplab v3語義分割網(wǎng)絡(luò)中設(shè)計(jì)了不同采樣率的空洞卷積并將其進(jìn)行融合。架構(gòu)中的空洞空間金字塔池化(atrous spatial pyramid pooling，ASPP)模塊可以提取不同尺度上特征圖的卷積特征，從而使準(zhǔn)確率得到進(jìn)一步的改善。Deeplab v3語義分割網(wǎng)絡(luò)的原理示意圖如圖2所示。

圖2 Deeplab v3語義分割網(wǎng)絡(luò)結(jié)構(gòu)[17]Fig.2 Deeplab v3 semantic segmentation network structure[17]

Deeplab v3網(wǎng)絡(luò)主要解決了2個傳統(tǒng)語義分割網(wǎng)絡(luò)的缺陷： 一是不能很好地顧及不同尺度物體的信息，很容易出現(xiàn)漏識別小物體或誤識別大物體的情形； 二是當(dāng)網(wǎng)絡(luò)本身層次太深，卷積核本身又不大的情況下，很容易出現(xiàn)漏識別，以及識別結(jié)果分辨率過低的情況。

在連續(xù)下采樣的過程中，圖片越小，細(xì)節(jié)信息丟失越多，這對于語義分割是不利的。故在ResNet殘差網(wǎng)絡(luò)得到輸出后，Deeplab v3網(wǎng)絡(luò)在卷積的最后一層直接通過某一采樣率的空洞卷積保持輸出步幅(圖2中采樣率=2)。這樣既保證了圖片質(zhì)量，也沒有增加參數(shù)。ASPP模塊的設(shè)計(jì)則更為高級。ASPP金字塔池化模塊通過3個不同采樣率的3*3空洞卷積和一個1*1卷積保證不同尺度物體的信息。同時，在采樣率接近特征圖的大小時，3*3的濾波器不能很好發(fā)揮捕捉全圖的作用，故Deeplab v3網(wǎng)絡(luò)在最后加入全局平均池化，輸出256個通道，經(jīng)過卷積以后再和其他特征圖融合起來。該方法很好地提升了分類效果。

然而，Deeplab v3網(wǎng)絡(luò)同樣存在缺陷，即在編碼過程結(jié)束后直接解碼到原尺寸，這可能會導(dǎo)致輸出結(jié)果放大的效果不好，信息太少。其次，Deeplab v3網(wǎng)絡(luò)存在正則化調(diào)參的過程，該進(jìn)程也是網(wǎng)絡(luò)中非常耗時的一個步驟。除此之外，過多的通道數(shù)也有可能導(dǎo)致訓(xùn)練速度慢，網(wǎng)絡(luò)效率偏低等問題。

2.2 PSPNet網(wǎng)絡(luò)原理

PSPNet是針對相對復(fù)雜的場景解析問題而提出的網(wǎng)絡(luò)，解決的是計(jì)算機(jī)視覺的基本問題。傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)沒有很好地運(yùn)用場景中上下文的信息，并且一些不明顯的類別不易被察覺，于是網(wǎng)絡(luò)引入金字塔結(jié)構(gòu)來解決這一問題。PSPNet的網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖3所示。

圖3 PSPNet語義分割網(wǎng)絡(luò)結(jié)構(gòu)[20]Fig.3 PSPNet semantic segmentation network structure[20]

PSPNet的網(wǎng)絡(luò)結(jié)構(gòu)與Deeplab v3網(wǎng)絡(luò)相似，都是以ResNet殘差網(wǎng)絡(luò)為主體骨架，在ResNet網(wǎng)絡(luò)結(jié)束后加入各自的設(shè)計(jì)。網(wǎng)絡(luò)首先通過預(yù)訓(xùn)練的殘差網(wǎng)絡(luò)提取出feature map特征圖，特征圖的大小是輸入的1/8，隨后特征圖經(jīng)過金字塔池化模塊得到帶有整體上下文信息的小圖。小圖經(jīng)過上采樣后恢復(fù)到特征圖的尺寸，并且與池化以前的特征圖相結(jié)合，經(jīng)過最后一個卷積層后得到最終輸出結(jié)果。

該金字塔池化模塊融合了4種不同金字塔尺度的特征信息，這樣做有利于幫助網(wǎng)絡(luò)結(jié)合全局的上下文信息。以最上層為例，最上層為最粗糙的1*1全局池化，生成單個像素多通道輸出，后面幾層為不同尺度的池化(文中為2,3,6)。如果金字塔中設(shè)定了N個級別，在池化以后都要使用1*1卷積將通道數(shù)降為原先的1/N。卷積后各層次通過雙線性插值實(shí)現(xiàn)上采樣，并和原先的特征圖融合在一起。

PSPNet網(wǎng)絡(luò)同樣存在缺陷。與Deeplab v3網(wǎng)絡(luò)相同，過多的通道數(shù)和大量的卷積、池化運(yùn)算耗費(fèi)了大量的時間，影響到了網(wǎng)絡(luò)的運(yùn)行效率。PSPNet網(wǎng)絡(luò)和Deeplab v3網(wǎng)絡(luò)類似，都將卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了擴(kuò)張的操作。相比于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)，擴(kuò)張后的網(wǎng)絡(luò)雖然參數(shù)沒有增加太多，但是空間尺寸大得多，因此導(dǎo)致了運(yùn)行速度的降低。但是相比于Deeplab v3網(wǎng)絡(luò)，PSPNet網(wǎng)絡(luò)缺少了正則化的過程。

2.3 ShelfNet網(wǎng)絡(luò)原理

ShelfNet網(wǎng)絡(luò)是一個同樣以ResNet網(wǎng)絡(luò)為骨架的編碼-解碼網(wǎng)絡(luò)。它和普通的編碼-解碼網(wǎng)絡(luò)結(jié)構(gòu)的不同點(diǎn)在于，該網(wǎng)絡(luò)中有很多種編碼-解碼的路徑，并且在每一個空間級別上都存在跳躍連接。這種多路徑的算法大大提高了網(wǎng)絡(luò)的精度。ShelfNet網(wǎng)絡(luò)的原理圖如圖4所示。圖中A-D代表了ResNet網(wǎng)絡(luò)中不同的層次； 列1-4代表了不同的分支。為了盡可能地減少通道數(shù)量從而提升訓(xùn)練速度，網(wǎng)絡(luò)在第一列的運(yùn)算中使用了1*1卷積層后接以batch normalization正則歸一以及ReLU激活函數(shù)，并且將通道的數(shù)量減少為ResNet網(wǎng)絡(luò)中的1/4。

圖4 ShelfNet語義分割網(wǎng)絡(luò)結(jié)構(gòu)[21]Fig.4 ShelfNet semantic segmentation network structure[21]

除此之外，分支1和3為編碼分支； 分支2和4為解碼分支。編碼器分支中采用跨距為2的卷積； 在解碼器中采用跨距為2的轉(zhuǎn)置卷積。從圖中可見，該網(wǎng)絡(luò)最大的特點(diǎn)就是豐富了路徑的選擇。從輸入到輸出可以有很多種選擇的途徑，而不再拘泥于傳統(tǒng)編碼-解碼網(wǎng)絡(luò)中的單一途徑。圖4中2～4列的殘差塊均為共享權(quán)值。共享權(quán)值的優(yōu)點(diǎn)在于結(jié)合了跳躍連接優(yōu)點(diǎn)的同時，比標(biāo)準(zhǔn)殘差單元減少了很多參數(shù)。它能更有效地提取特征，并且可以加快模型的運(yùn)行速度。ShelfNet網(wǎng)絡(luò)實(shí)現(xiàn)了在不同的層次上進(jìn)行跳轉(zhuǎn)的功能，捕捉了更多的淺層和深層特征，也使得運(yùn)行速度和分割精度有了顯著提升。

3 實(shí)驗(yàn)及結(jié)果分析

3.1 實(shí)驗(yàn)設(shè)置及實(shí)驗(yàn)流程設(shè)計(jì)

本文在同一個Nvidia GeForce GTX 1080ti GPU顯卡上，使用Deeplab v3-50，Deeplab v3-101，PSPNet50，PSPNet101，ShelfNet50和ShelfNet101共6個網(wǎng)絡(luò)進(jìn)行了對比實(shí)驗(yàn)。實(shí)驗(yàn)的深度學(xué)習(xí)模型基于PyTorch搭建，使用ResNet網(wǎng)絡(luò)作為基礎(chǔ)框架。采用公開的Coco-2014數(shù)據(jù)集和ImageNet數(shù)據(jù)集對網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，實(shí)驗(yàn)開始時統(tǒng)一將輸入圖片的大小設(shè)置為256像素×256像素。循環(huán)設(shè)置為80，因?yàn)閿?shù)據(jù)集訓(xùn)練到50個循環(huán)附近就會收斂。初始學(xué)習(xí)率設(shè)為0.001，學(xué)習(xí)率會隨著訓(xùn)練的深入而下降。

實(shí)驗(yàn)第一步是圖像裁剪。網(wǎng)絡(luò)需要有固定尺寸的輸入，故需要將原始圖片切割成相應(yīng)尺寸，在本實(shí)驗(yàn)中為長寬為256像素×256像素的圖像瓦片。除原始的影像外，還需生成與之一一對應(yīng)的真實(shí)值(ground truth)標(biāo)簽。

第二步是網(wǎng)絡(luò)訓(xùn)練。遙感影像每一個像素點(diǎn)的像素值會作為輸入傳入網(wǎng)絡(luò)。經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)算得到輸出，并且和相應(yīng)的真實(shí)值標(biāo)簽進(jìn)行比較，由損失函數(shù)算出損失值。

第三步是返回調(diào)參。根據(jù)第二步得到的損失函數(shù)值的反饋，整個網(wǎng)絡(luò)框架會返回到卷積的部分調(diào)參，對網(wǎng)絡(luò)整體進(jìn)行完善。

第四步是結(jié)果預(yù)測。訓(xùn)練結(jié)束以后會得到已完成調(diào)參的實(shí)驗(yàn)?zāi)Ｐ汀８鶕?jù)模型和測試集進(jìn)行網(wǎng)絡(luò)預(yù)測，得到最后的預(yù)測結(jié)果。

3.2 實(shí)驗(yàn)數(shù)據(jù)來源

本實(shí)驗(yàn)采用中國深圳市的正射遙感圖像作為實(shí)驗(yàn)的數(shù)據(jù)源。選擇深圳作為數(shù)據(jù)集的原因在于該地區(qū)城市面積大，易于劃分訓(xùn)練集區(qū)域，并且在Google影像地圖中存有不同時相的數(shù)據(jù)，便于進(jìn)行深度學(xué)習(xí)的研究。數(shù)據(jù)為深圳市2018年和2019年Google影像18級高分辨率影像，手工劃分出訓(xùn)練集建成區(qū)矢量文件作為與影像相對應(yīng)的標(biāo)簽圖。首先通過裁剪得到了9 577張256像素×256像素大小的影像，其中的80%作為訓(xùn)練集，其余作為驗(yàn)證集。驗(yàn)證集的瓦片影像不會參與訓(xùn)練，但是可以起到驗(yàn)證網(wǎng)絡(luò)精度的作用。數(shù)據(jù)集中的部分影像樣本如圖5所示。

圖5-1 部分訓(xùn)練數(shù)據(jù)集Fig.5-1 Partial training data set

圖5-2 部分訓(xùn)練數(shù)據(jù)集Fig.5-2 Partial training data set

3.3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)中，每個網(wǎng)絡(luò)均進(jìn)行80個循環(huán)，其中每次循環(huán)顯示一次結(jié)果； 每5次保存一個模型，故最后可以得到16個訓(xùn)練不同階段的模型。實(shí)驗(yàn)每一次結(jié)果顯示均輸出6個不同參數(shù)，分別為： 訓(xùn)練集平均損失、驗(yàn)證集平均損失、驗(yàn)證集平均準(zhǔn)確率、驗(yàn)證集平均重疊度(intersection over union, IOU)(mIOU)、背景IOU和前景IOU。為了防止偶然偏大或偏小的結(jié)果帶來的影響，本實(shí)驗(yàn)再選取2個評價指標(biāo)： 使用前20循環(huán)平均前景IOU表示網(wǎng)絡(luò)前期收斂速度； 使用51-80循環(huán)平均前景IOU來表示網(wǎng)絡(luò)穩(wěn)定后的平均IOU水準(zhǔn)。本實(shí)驗(yàn)共6個網(wǎng)絡(luò)參與訓(xùn)練，分別為Deeplab v3-50,Deeplab v3-101,PSPNet50,PSPNet101,ShelfNet50,ShelfNet101，其中數(shù)字表示ResNet的層數(shù)。為了比較網(wǎng)絡(luò)在前期的收斂速度，實(shí)驗(yàn)列出第20個循環(huán)的6個參數(shù)，以及前20個循環(huán)平均前景IOU，結(jié)果如表1所示； 為了比較網(wǎng)絡(luò)在收斂后的準(zhǔn)確度，實(shí)驗(yàn)列出最終的6個參數(shù)，以及51-80循環(huán)平均前景IOU和訓(xùn)練時長，結(jié)果如表2所示。隨機(jī)森林分類器和支持向量機(jī)分類器是遙感影像分類中較經(jīng)典的機(jī)器學(xué)習(xí)分類器，但由于二者結(jié)構(gòu)與語義分割網(wǎng)絡(luò)有明顯的不同，不能像語義分割模型一樣通過模型分類器直接預(yù)測得到等尺寸的預(yù)測結(jié)果圖片。所以，在訓(xùn)練這2個分類器前需要對影像數(shù)據(jù)和標(biāo)簽數(shù)據(jù)分別進(jìn)行預(yù)處理編碼成特征向量形式以適應(yīng)分類器結(jié)構(gòu)。本實(shí)驗(yàn)同樣針對隨機(jī)森林分類器和支持向量機(jī)分類器進(jìn)行數(shù)據(jù)集的預(yù)測，但由于二者結(jié)構(gòu)的局限性及特殊性，無法對隨機(jī)森林分類器和支持向量機(jī)分類器進(jìn)行前期精度的比較以及訓(xùn)練時長的統(tǒng)計(jì)。本文只進(jìn)行最終驗(yàn)證集平均準(zhǔn)確率及驗(yàn)證集mIOU的橫向比較，比較結(jié)果如表2所示。

表1 網(wǎng)絡(luò)前期訓(xùn)練精度比較Tab.1 Network early stage training accuracy comparison (%)

表2 網(wǎng)絡(luò)最終訓(xùn)練精度比較Tab.2 Network final training accuracy comparison

從表1中可以比較得出網(wǎng)絡(luò)初期的收斂效率。PSPNet50網(wǎng)絡(luò)在驗(yàn)證集損失值和背景IOU上表現(xiàn)更好； 而ShelfNet50網(wǎng)絡(luò)在其余的5項(xiàng)指標(biāo)中均為最優(yōu)。IOU算法為輸出結(jié)果與真值的交集除以并集，故前景IOU最可以反映網(wǎng)絡(luò)的精度。從表1的數(shù)值中可以得出，ShelfNet50網(wǎng)絡(luò)的前期收斂速率是非常理想的，而Deeplab v3網(wǎng)絡(luò)均沒有達(dá)到很好的效果，這與網(wǎng)絡(luò)本身的結(jié)構(gòu)有較大的關(guān)系； 其次，所有以ResNet50為骨架的網(wǎng)絡(luò)在訓(xùn)練前期均比以ResNet101為骨架的網(wǎng)絡(luò)有更好的表現(xiàn)，這是因?yàn)镽esNet101中的參數(shù)數(shù)量要遠(yuǎn)多于ResNet50，故參數(shù)少的網(wǎng)絡(luò)前期收斂更快。

相比于表1，表2則可以體現(xiàn)網(wǎng)絡(luò)的性能優(yōu)劣。隨機(jī)森林分類器和支持向量機(jī)分類器雖然在平均準(zhǔn)確率方面與語義分割網(wǎng)絡(luò)相近，但是在mIOU上卻相差甚遠(yuǎn)。在實(shí)驗(yàn)訓(xùn)練時長方面，ShelfNet網(wǎng)絡(luò)占據(jù)了絕對的優(yōu)勢，并且ShelfNet網(wǎng)絡(luò)的運(yùn)行速率不會隨著ResNet網(wǎng)絡(luò)層級的加深出現(xiàn)過大的變動。相比之下，Deeplab v3網(wǎng)絡(luò)和PSPNet的4個網(wǎng)絡(luò)在訓(xùn)練上花費(fèi)了過多時間。這說明了在講究網(wǎng)絡(luò)的運(yùn)行速率時，ShelfNet網(wǎng)絡(luò)是絕對的最優(yōu)選。

在準(zhǔn)確率指標(biāo)中，PSPNet101網(wǎng)絡(luò)擁有最高的精度，其次是ShelfNet50網(wǎng)絡(luò)和ShelfNet101網(wǎng)絡(luò)，而Deeplab v3網(wǎng)絡(luò)在最終的準(zhǔn)確率一項(xiàng)同樣表現(xiàn)不佳。在驗(yàn)證集前景IOU一項(xiàng)中，PSPNet101網(wǎng)絡(luò)能夠達(dá)到78.01%的精度，比ShelfNet50網(wǎng)絡(luò)高出1個百分點(diǎn)，這說明PSPNet101網(wǎng)絡(luò)在分割建成區(qū)的領(lǐng)域可達(dá)到非常優(yōu)異的效果。值得注意的是，ShelfNet101網(wǎng)絡(luò)的各項(xiàng)指標(biāo)低于ShelfNet50網(wǎng)絡(luò)，說明網(wǎng)絡(luò)可能在訓(xùn)練時出現(xiàn)了過擬合。

綜上，PSPNet101網(wǎng)絡(luò)的分割精度最優(yōu)，但是考慮到PSPNet101網(wǎng)絡(luò)的訓(xùn)練時長過長，綜合各種指標(biāo)可以得出： ShelfNet50網(wǎng)絡(luò)是在識別建成區(qū)中綜合效率最高的選擇。

由實(shí)驗(yàn)結(jié)果回推至理論本身，ShelfNet網(wǎng)絡(luò)正是擁有了共享權(quán)值以及可以在不同空間層次上進(jìn)行跳轉(zhuǎn)連接的功能，使其比標(biāo)準(zhǔn)殘差單元減少了很多參數(shù)。實(shí)驗(yàn)證明，這些改變可以顯著加快模型的運(yùn)行速度。除此之外，ShelfNet網(wǎng)絡(luò)最大的特點(diǎn)就是豐富了路徑的選擇。正是這一個特點(diǎn)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到各種淺層和深層的信息，從而保證了網(wǎng)絡(luò)優(yōu)秀的性能。

相比之下，PSPNet和Deeplab v3網(wǎng)絡(luò)在卷積運(yùn)算時空間尺寸大得多，因此導(dǎo)致了運(yùn)行速度的降低。而相比于PSPNet網(wǎng)絡(luò)，Deeplab v3網(wǎng)絡(luò)在編碼過程結(jié)束后直接解碼到原尺寸，從而減少了信息的讀取。實(shí)驗(yàn)結(jié)果表明，Deeplab v3網(wǎng)絡(luò)的指標(biāo)確實(shí)稍遜于其他2種網(wǎng)絡(luò)。這可能是因?yàn)榫W(wǎng)絡(luò)本身的缺陷，同樣可能是因?yàn)镈eeplab v3網(wǎng)絡(luò)不適用于上下文聯(lián)系較強(qiáng)的識別任務(wù)，而專長于另一些種類的識別任務(wù)。

本文使用ShelfNet50網(wǎng)絡(luò)識別2019年深圳市18級遙感影像，結(jié)果如圖6所示。

圖6-1 ShelfNet50網(wǎng)絡(luò)測試集分割結(jié)果Fig.6-1 ShelfNet50 network test set segmentation results

圖6-2 ShelfNet50網(wǎng)絡(luò)測試集分割結(jié)果Fig.6-2 ShelfNet50 network test set segmentation results

從圖6中可見，其中紅色為建成區(qū)，除去邊界上的細(xì)微識別誤差，ShelfNet50網(wǎng)絡(luò)可以很好地識別深圳市2019年遙感影像中各種不同類別的建成區(qū)。預(yù)測結(jié)果同樣表明，ShelfNet50網(wǎng)絡(luò)有較好的上下文推理能力。城市小區(qū)的綠化和鄉(xiāng)村大片的植被地物特征完全相同，而ShelfNet50網(wǎng)絡(luò)能夠從周圍的地物特征推斷該地區(qū)的具體類別，這也體現(xiàn)出了空洞卷積的重要性。實(shí)驗(yàn)表明，ShelfNet50網(wǎng)絡(luò)可以適用于遙感影像城市建成區(qū)的識別，并且擁有很好的識別效果。

然而，ShelfNet50網(wǎng)絡(luò)在識別時同樣存在誤差，如圖7所示。

圖7 ShelfNet50網(wǎng)絡(luò)測試集分割誤差Fig.7 ShelfNet50 network test set segmentation error

圖7中反映出3個ShelfNet50網(wǎng)絡(luò)的問題。首先，當(dāng)原始影像有云時，網(wǎng)絡(luò)不能判斷云下的地物，這也是所有語義分割網(wǎng)絡(luò)共同的缺陷； 其次，對于城區(qū)內(nèi)一些大型非建筑物(公園綠地、大型立交橋)，ShelfNet50網(wǎng)絡(luò)還是欠缺識別此類地物的能力，而這也與空洞卷積核的大小有關(guān)； 最后，小部分建筑物存在漏識別的現(xiàn)象，這也說明了訓(xùn)練集中缺少該類標(biāo)簽，此類問題可以通過擴(kuò)充數(shù)據(jù)集的方法解決。

4 結(jié)論

本文基于多種深度學(xué)習(xí)語義分割方法，針對高分遙感影像城市建成區(qū)提取問題做了深入的比較研究。本文首先從網(wǎng)絡(luò)的基本原理出發(fā)，深入分析并比較了Deeplab v3網(wǎng)絡(luò)、PSPNet網(wǎng)絡(luò)以及ShelfNet網(wǎng)絡(luò)這3種均以ResNet殘差網(wǎng)絡(luò)為骨架的語義分割網(wǎng)絡(luò)的結(jié)構(gòu)差別，并通過網(wǎng)絡(luò)結(jié)構(gòu)分析了每一個網(wǎng)絡(luò)存在的優(yōu)缺點(diǎn)。其次，本文通過控制變量法，使用同一套實(shí)驗(yàn)裝置以及同一個數(shù)據(jù)集對6種語義分割網(wǎng)絡(luò)進(jìn)行了測試及結(jié)果分析。本文通過實(shí)驗(yàn)得出的結(jié)果返回原理分析部分，驗(yàn)證之前分析的合理性。最后，實(shí)驗(yàn)針對綜合表現(xiàn)最佳的ShelfNet50網(wǎng)絡(luò)進(jìn)行結(jié)果預(yù)測，印證語義分割網(wǎng)絡(luò)在高分遙感影像城市建成區(qū)分割中的可行性。綜合以上，本文得到以下結(jié)論：

1)實(shí)驗(yàn)的初始收斂階段，ResNet50殘差網(wǎng)絡(luò)的表現(xiàn)普遍好于ResNet101網(wǎng)絡(luò)，其中ShelfNet50網(wǎng)絡(luò)的收斂效果最為優(yōu)異。

2)在網(wǎng)絡(luò)最終分割效果的評定中，PSPNet的各項(xiàng)指標(biāo)均處于6個語義分割網(wǎng)絡(luò)的第1名； 驗(yàn)證集前景IOU比ShelfNet50網(wǎng)絡(luò)高出1個百分點(diǎn)。

3)運(yùn)行時長方面，ShelfNet網(wǎng)絡(luò)遠(yuǎn)遠(yuǎn)短于另外2類網(wǎng)絡(luò)，且ShelfNet網(wǎng)絡(luò)基本不受網(wǎng)絡(luò)層數(shù)的影響。綜合網(wǎng)絡(luò)精度以及運(yùn)行速度2方面因素綜合考慮，ShelfNet50網(wǎng)絡(luò)是解決高分遙感影像城市建成區(qū)識別的最優(yōu)網(wǎng)絡(luò)。

4)ShelfNet50網(wǎng)絡(luò)在最終的預(yù)測過程中表現(xiàn)優(yōu)異，具有良好的識別效果，說明ShelfNet50網(wǎng)絡(luò)可以完美解決城市建成區(qū)的識別問題。