新型語義分割D-UNet的建筑物提取

龍麗紅，朱宇霆，閆敬文，劉敬瑾，王宗躍

1.汕頭大學(xué) 工學(xué)院電子系,汕頭 515063;

2.中山大學(xué) 電子與信息工程學(xué)院,廣州 510006;

3.集美大學(xué) 計(jì)算機(jī)工程學(xué)院,廈門 361021

1 引言

隨著地球觀測(cè)遙感衛(wèi)星技術(shù)發(fā)展取得了卓越的成就，大量的遙感數(shù)據(jù)為各種應(yīng)用提供豐富的可挖掘的信息（孫偉偉 等，2020）。建筑物信息作為地理信息的重要組成部分，廣泛應(yīng)用于道路交通規(guī)劃、土地規(guī)劃、城市管理等領(lǐng)域，在生活中有著越來越重要的應(yīng)用，本文主要研究遙感圖像的樓房分割問題。

在傳統(tǒng)分割方法中，通常根據(jù)灰度、顏色、紋理和形狀等特征將圖像劃分成若干互不相交的區(qū)域。典型的分割方法有基于閾值、邊緣、區(qū)域、圖論等分割方法?；陂撝档姆指罘椒ǎ浠舅枷胧腔趫D像灰度特征計(jì)算灰度閾值，并將圖像的每個(gè)像素灰度值與閾值相比較，得出其類別。如李麗等（2013）根據(jù)建筑群的分布和紋理特點(diǎn)，利用小波變換和自適應(yīng)全局閾值法提取建筑群標(biāo)記信息實(shí)現(xiàn)分割；吳詩婳等（2018）提出了一種基于直線截距直方圖的多閾值分割方法等。基于邊緣的分割方法（Hu等，2013；Wang等，2015），主要根據(jù)圖像邊緣灰度、顏色、紋理等特征的突變來進(jìn)行邊緣檢測(cè)，比如使用基于Roberts（康牧等，2008）、Sobel、Prewitt（鄒柏賢 等，2013）、Laplacian（桂預(yù)風(fēng)和吳建平，2011）等微分算子對(duì)圖像進(jìn)行邊緣檢測(cè)，識(shí)別出圖像的邊緣信息，從而完成分割?；趫D論的分割方法，其基本思想是將圖像的分割問題與圖的最小分割問題相關(guān)聯(lián)，最終實(shí)現(xiàn)分割效果。如Felzenszwalb 和Huttenlocher（2004）介紹一種基于圖表示的圖像分割方法，基于貪心聚類算法提出可變型部件模型算法，奠定了基于圖論的分割算法。但由于遙感圖像包含豐富的光譜信息，使用傳統(tǒng)的特征提取方法對(duì)于要求高的遙感圖像分割應(yīng)用場(chǎng)景，仍然存在很大的局限性。

近年來，深度學(xué)習(xí)理論及應(yīng)用取得重要進(jìn)展，并在圖像語義分割中取得良好的效果，特別是對(duì)高級(jí)語義信息提取，解決了傳統(tǒng)圖像分割方法中語義信息缺失的問題。2014 年，全卷積神經(jīng)網(wǎng)絡(luò)FCN（Fully Convolutional Networks）首次將深度學(xué)習(xí)應(yīng)用于圖像分割，實(shí)現(xiàn)像素級(jí)分割，奠定了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)用來解決圖像分割問題的基礎(chǔ)（Shelhamer 等，2017）。然而FCN 采用雙線性插值上采樣恢復(fù)特征圖，丟失許多細(xì)節(jié)信息，導(dǎo)致分割結(jié)果比較模糊和平滑。如圖1所示，在航空遙感圖像數(shù)據(jù)集INRIA（Inria Aerial Image Labeling Dataset）上使用全卷積神經(jīng)網(wǎng)絡(luò)對(duì)遙感影像進(jìn)行分割，其中圖1（a）為原圖像，圖1（b）為圖像的真實(shí)標(biāo)簽，圖1（c）是使用全卷積神經(jīng)網(wǎng)絡(luò)的分割效果圖?？梢钥闯觯c真實(shí)標(biāo)簽相比（如紅框所示），測(cè)試結(jié)果邊界出現(xiàn)明顯模糊，小尺寸的目標(biāo)未能精確識(shí)別，整體分割效果較為粗糙。2015年，U-Net（Ronneberger等，2015）作為FCN的改進(jìn)與發(fā)展，通過捕獲上下文信息的收縮路徑來實(shí)現(xiàn)更精準(zhǔn)的像素邊界定位。采用網(wǎng)絡(luò)結(jié)構(gòu)完全對(duì)稱的典型編碼解碼結(jié)構(gòu)，但由于其網(wǎng)絡(luò)結(jié)構(gòu)僅在單一尺度上預(yù)測(cè)，不能很好地處理多尺度問題，且速度較慢，冗余較多。然而，遙感影像具有語義豐富，分辨率低，清晰度低等特點(diǎn)，且建筑物圖像具有多尺度、大跨度等特點(diǎn)，且上下語義聯(lián)系緊密，與自然圖像相比具有極其復(fù)雜的特性，簡(jiǎn)單地使用全卷積神經(jīng)網(wǎng)絡(luò)或U-Net不能很好地滿足分割的應(yīng)用需求。為了解決這個(gè)問題，Bischke 等（2019）采用了一種新型的多任務(wù)損失函數(shù)，他們的方法可以很好的保存建筑物的分割邊緣并且提高了分割準(zhǔn)確率，但缺點(diǎn)是網(wǎng)絡(luò)復(fù)雜且不易優(yōu)化。類似的，Li 等（2019）在網(wǎng)絡(luò)模型中收集多尺度特征信息來提高遙感影像分割的精度，韓彬彬等（2020）在殘差卷積網(wǎng)絡(luò)中加入了帶孔卷積和稠密連接機(jī)制以構(gòu)建稠密空間金字塔結(jié)構(gòu)來提取多尺度特征。而Pan等（2019）采用對(duì)抗神經(jīng)網(wǎng)絡(luò)并且在其中引入注意力機(jī)制來提升分割的效果，他們的方法在INRIA 數(shù)據(jù)集上取得了很好的結(jié)果。與上述方法不同，本文提出了一種基于U-Net 的新模型Dilated-UNet（D-UNet），即在U-Net中間加入精心設(shè)計(jì)的空洞卷積模塊來解決這個(gè)問題，并設(shè)計(jì)了一種交叉熵和Dice-coefficient的聯(lián)合損失函數(shù)，更好的訓(xùn)練模型以達(dá)到預(yù)期分割效果。

圖1 FCN分割效果對(duì)比圖Fig.1 Comparison of FCN segmentation effect

2 基于U-Net改進(jìn)的卷積網(wǎng)絡(luò)模型

本文提出一種基于U-Net改進(jìn)的全新卷積神經(jīng)網(wǎng)絡(luò)分割模型D-UNet（Dilated-UNet），接下來將詳細(xì)介紹D-UNet 網(wǎng)絡(luò)結(jié)構(gòu)，主要包括U-Net、空洞卷積模塊、聯(lián)合損失函數(shù)和實(shí)現(xiàn)細(xì)節(jié)等，具體網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 D-UNet網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2 D-UNet network structure diagram

2.1 模型結(jié)構(gòu)

（1）U-Net。U-Net，首次是應(yīng)用于醫(yī)學(xué)圖像分割，其采用典型的編碼—解碼結(jié)構(gòu)。在編碼結(jié)構(gòu)上，每經(jīng)過兩個(gè)卷積核為3 × 3 的卷積層后進(jìn)入2 × 2 的最大池化層，便得到新尺度的特征圖，共有4個(gè)卷積池化模塊。在解碼結(jié)構(gòu)上，每進(jìn)行一次2 × 2 的上采樣，與上一次卷積操作得到的特征圖在裁剪后進(jìn)行多尺度的融合，豐富細(xì)節(jié)信息，提高分割精度，共有4個(gè)上采樣模塊。在編碼和解碼的結(jié)構(gòu)上具有完全對(duì)稱的特點(diǎn)。但U-Net網(wǎng)絡(luò)卷積層次較少，對(duì)特征的提取與表達(dá)不夠準(zhǔn)確，邊緣模糊現(xiàn)象沒有得到很好解決。

（2）空洞卷積模塊。圖像輸入到CNN 中，F(xiàn)CN 或U-Net 和傳統(tǒng)CNN 一樣對(duì)圖像進(jìn)行卷積、池化等操作，以降低圖像尺寸，增大感受野。圖像分割是像素級(jí)輸出，因此要進(jìn)行上采樣恢復(fù)到原始圖像尺寸大小，但過程降低了空間分辨率并嚴(yán)重丟失圖像的細(xì)節(jié)信息?？斩淳矸e極好地解決了這個(gè)問題（Yu 和Koltun，2016）。空洞卷積可類似看成是在卷積核內(nèi)部插入（擴(kuò)張率）個(gè)0來擴(kuò)大卷積核大小，從而在擴(kuò)大感受野的同時(shí)捕獲多尺度的上下文信息。

空洞卷積可擴(kuò)大感受野，例如3個(gè)卷積核大小為3 × 3 的普通卷積核疊加，3 層的感受野大小分別是3 × 3，5 × 5，7 × 7。而3 個(gè)大小為3 × 3 的卷積核疊加，擴(kuò)張率為1 時(shí)，其感受野為3 × 3；擴(kuò)張率為2 時(shí)，其感受野為7 × 7；擴(kuò)張率為5 時(shí)，其感受野為17 × 17。顯然，上述卷積核參數(shù)始終為9，在保持參數(shù)個(gè)數(shù)不變的情況下，使用空洞卷積可以大幅度增大卷積核的感受野，感受野示意圖如圖3所示。其中紅色點(diǎn)表示感受野的中心，藍(lán)色的深淺表示參與卷積運(yùn)算的次數(shù)，越深表示參與卷積運(yùn)算的次數(shù)越多。

圖3 3個(gè)3×3卷積核感受野對(duì)比圖Fig.3 Comparison of three 3×3 convolution kernel receptive fields

本文設(shè)計(jì)的空洞卷積模塊如圖4 所示，共4 條數(shù)據(jù)信息流通道，使用的卷積核大小均為3 × 3。第一通道使用4 個(gè)3 × 3 的卷積核，且空洞卷積的擴(kuò)張率分別為1、2、5、8，其感受野分別3 × 3、7 × 7、17 × 17、33 × 33。隨后每條通道相對(duì)應(yīng)的空洞卷積擴(kuò)張率不變，逐漸減少卷積層層數(shù)，直到擴(kuò)張率為1的卷積核，即普通卷積。即提取到的特征進(jìn)入四條通道，分別生成不同的信息流，然后進(jìn)行信息連接。參考空間金字塔模型（Zhao 等，2017）和ResNet 的殘差結(jié)構(gòu)（He 等，2016），本文設(shè)計(jì)的空洞卷積的擴(kuò)張率多樣化，可提取多尺度信息，在擴(kuò)大感受野的同時(shí)成功避免空洞卷積理論問題，即“網(wǎng)格效應(yīng)”（Wang 等，2018），且擴(kuò)張率越大，能提取到更多邊緣信息細(xì)節(jié)，提高模型效果。通過多通道進(jìn)行并行計(jì)算，將經(jīng)過不同空洞卷積擴(kuò)張率的特征圖進(jìn)行相加融合，克服單通道的單一性不足，且不同通道對(duì)不同大小的目標(biāo)分辨率不同，從而提高整體的分辨效果。

圖4 空洞卷積模塊圖Fig.4 Dilated convolution network module

其中，16 × 16 × 512 表示特征圖的長(zhǎng)和寬是均16，通道數(shù)是512；采用的卷積核均是3 × 3，箭頭上的數(shù)字表示所對(duì)應(yīng)的空洞卷積擴(kuò)張率。

（3）D-UNet。本文提出的D-UNet模型采用典型的編碼—解碼結(jié)構(gòu)。編碼結(jié)構(gòu)由4 個(gè)卷積模塊，共8 個(gè)卷積層，4 個(gè)最大池化層組成，每層卷積前都進(jìn)行歸一化操作，使用ReLU 作為激活函數(shù)，每?jī)蓪泳矸e后接一個(gè)最大池化層。下采樣后進(jìn)入空洞卷積模塊，增大感受野，提取多尺度信息，進(jìn)一步提高邊緣分辨率。解碼結(jié)構(gòu)包含4 個(gè)上采樣塊，每個(gè)上采樣塊包含轉(zhuǎn)置卷積和上池化操作，使特征圖恢復(fù)到與輸入圖像相同的尺寸，保留原始圖像的空間信息，最后使用softmax 函數(shù)進(jìn)行逐像素分類，最終實(shí)現(xiàn)分割效果。

2.2 聯(lián)合損失函數(shù)

本文設(shè)計(jì)的損失函數(shù)采用聯(lián)合策略，將交叉熵和Dice-coefficient 的進(jìn)行聯(lián)合，聯(lián)合損失函數(shù)表達(dá)式為

式中，LBCE為二值交叉熵?fù)p失函數(shù)（Binary Cross Entropy Loss），LDice為Dice 系數(shù)損失函數(shù)，L為聯(lián)合損失函數(shù)，λ為權(quán)重調(diào)節(jié)參數(shù)。

假設(shè)訓(xùn)練數(shù)據(jù)D={(x1，y1)，…，(xn，yn)}，其中x∈Rn為訓(xùn)練樣本，y為標(biāo)簽，且y∈{0，1}。二值交叉熵?fù)p失函數(shù)表達(dá)式如下：

式中，i為第i個(gè)樣本；n為總樣本數(shù)；yi為第i個(gè)樣本的真實(shí)標(biāo)簽；為第i個(gè)樣本的預(yù)測(cè)標(biāo)簽。然而，二值交叉熵?fù)p失函數(shù)衡量標(biāo)準(zhǔn)只是對(duì)正確分類的預(yù)測(cè)概率，具有單一性，因此本論文采用聯(lián)合損失函數(shù)。

Dice 系數(shù)損失函數(shù)，可度量集合相似度，可用于計(jì)算兩個(gè)樣本的相似度（取值范圍為［0，1］）。然而，當(dāng)樣本極度不均的情況下，二值交叉熵?fù)p失函數(shù)對(duì)樣本不平衡的問題很敏感，訓(xùn)練時(shí)會(huì)偏向于樣本多的一方，導(dǎo)致訓(xùn)練效果下降，但Dice系數(shù)損失函數(shù)表現(xiàn)效果較好。假設(shè)X和Y為兩個(gè)樣本，Dice 系數(shù)為（3），Dice 損失函數(shù)可表示為（4），可微形式可表示為（5），其中y為真實(shí)標(biāo)簽，為預(yù)測(cè)標(biāo)簽，則梯度為（6）。當(dāng)樣本差異越大時(shí)，s越小，則梯度越大，訓(xùn)練越穩(wěn)定。

因此，考慮到樣本之間的相似程度，本文采用Dice 系數(shù)損失函數(shù)和交叉熵?fù)p失函數(shù)進(jìn)行聯(lián)合，Dice系數(shù)損失函數(shù)表達(dá)式為

式中，i為第i個(gè)樣本；n為總樣本數(shù)；yi為第i個(gè)樣本的真實(shí)標(biāo)簽；為第i個(gè)樣本的預(yù)測(cè)標(biāo)簽；ε為調(diào)節(jié)參數(shù)。

權(quán)重調(diào)節(jié)參數(shù)λ，初始化λ=1，即L=LBCE，只有交叉熵?fù)p失函數(shù)。實(shí)驗(yàn)表明，當(dāng)λ=0.7 時(shí)，即L=0.7LBCE+0.3LDice，分割效果最好。

2.3 網(wǎng)絡(luò)訓(xùn)練細(xì)節(jié)

實(shí)驗(yàn)平臺(tái)采用Intel-i7-7700 四核心八線程CPU 處理器、使用Pytorch 1.5.1 版本的深度學(xué)習(xí)框架，并使用NVIDIA 公司的CUDA10.1 GPU 平臺(tái)進(jìn)行計(jì)算加速。實(shí)驗(yàn)統(tǒng)計(jì)，本文模型訓(xùn)練一個(gè)epoch的時(shí)間為1.1 個(gè)小時(shí)，總共訓(xùn)練了50 個(gè)epoch，共用時(shí)55個(gè)小時(shí)。

（1）預(yù)處理。由于GPU 內(nèi)存的限制，大尺度的遙感圖像不能直接作為網(wǎng)絡(luò)結(jié)構(gòu)的輸入，因此從遙感圖像中隨機(jī)裁剪出圖片大小為512 × 512 的圖像，并將圖像進(jìn)行歸一化處理，使圖像的像素值在0 到1 之間，更加便于計(jì)算，以提高計(jì)算速度。

（2）訓(xùn)練。由于預(yù)訓(xùn)練在深卷積神經(jīng)網(wǎng)絡(luò)中起著重要作用（Hinton 等，2006），因此本實(shí)驗(yàn)使用VGG13 在ImageNet 上的預(yù)訓(xùn)練模型，然后以端到端的方式對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行微調(diào)。具體訓(xùn)練過程如下，訓(xùn)練中使用三通道遙感影像作為輸入和輸出的分割結(jié)果，以聯(lián)合損失函數(shù)（1）作為整體模型的損失函數(shù)，在GPU 上進(jìn)行300 次迭代，學(xué)習(xí)率設(shè)為0.001，每50 次迭代學(xué)習(xí)率縮小10 倍，權(quán)重衰減設(shè)為0.0001，動(dòng)量設(shè)為0.9，使用Adam算法優(yōu)化所有網(wǎng)絡(luò)參數(shù)。

3 實(shí)驗(yàn)過程及結(jié)果分析

3.1 數(shù)據(jù)集

本文使用的數(shù)據(jù)集是IAIL 航空?qǐng)D像數(shù)據(jù)集（Inria Aerial Image Labeling Dataset）（Maggiori 等，2017）。IAIL 航空?qǐng)D像數(shù)據(jù)集是一個(gè)城市建筑物檢測(cè)的遙感圖像數(shù)據(jù)集，包括高度密集的大都市金融區(qū)和高山度假村的各種城市景觀，標(biāo)記只有建筑和非建筑兩種。數(shù)據(jù)集由360 張彩色（3 波段RGB）正射影像組成，包括美國(guó)和奧地利的城市住區(qū)，其空間分辨率為0.3 m2，訓(xùn)練面積為337.5 km2，驗(yàn)證面積為67.5 km2，測(cè)試面積為405 km2，總覆蓋面積810 km2（每幅影像大小為50002）。選擇該數(shù)據(jù)集，可使用交叉驗(yàn)證方法，隨機(jī)設(shè)置5個(gè)城市作為訓(xùn)練集，5 個(gè)城市作為測(cè)試集，避免訓(xùn)練容易產(chǎn)生過擬合現(xiàn)象，有效驗(yàn)證模型的可行性。其次，該數(shù)據(jù)集是官方公開的數(shù)據(jù)集，測(cè)試集沒有標(biāo)簽，因此將模型統(tǒng)一提交到官方網(wǎng)站（https://project.inria.fr/aerialimagelabeling/leaderboard［/2021-01-22］）上進(jìn)行驗(yàn)證。

3.2 驗(yàn)證指標(biāo)

為了定量評(píng)估網(wǎng)絡(luò)模型效果，本文采用像素精度Acc（pixel accuracy）和交并比IoU（Intersection over Union）這兩個(gè)度量指標(biāo)。像素精度是標(biāo)記正確的像素占總像素的比例，交并比是真實(shí)值和預(yù)測(cè)值集合的交集與并集之比，表達(dá)式如下所示。

式中，假設(shè)有k+1 個(gè)類，pii表示本屬于i類且被預(yù)測(cè)為i類的像素?cái)?shù)量，即被正確預(yù)測(cè)的像素?cái)?shù)量，pij表示本屬于i類卻被預(yù)測(cè)為j類的像素?cái)?shù)量。TP為真正值（True Positive），即判定為正樣本，實(shí)際上是正樣本，F(xiàn)P 為假正值（False Positive），即判定為負(fù)樣本，實(shí)際上是正樣本，F(xiàn)N 為假負(fù)值（False Negative），即判定為負(fù)樣本，實(shí)際上是負(fù)樣本。

3.3 主要結(jié)果

為了驗(yàn)證本文方法的有效性，我們將D-UNet與航空?qǐng)D像標(biāo)記數(shù)據(jù)集上的典型模型和先進(jìn)方法進(jìn)行比較，表1為在測(cè)試集上的數(shù)值評(píng)估結(jié)果，有SegNet，VGG11（Simonyan 和Zisserman，2014），PSPNet（Zhao 等，2017），LinkNet（Chaurasia 和Culurciello，2017），還包括2018 年IAIL 競(jìng)賽的獲勝 者AMML（Huang 等，2018），以 及U-Net 和ED-Net 的融合模型（余威和龍慧云，2019）和AMUNet（Guo 等，2020）。由表1 可知，本文方法在測(cè)試集的5個(gè)城市實(shí)驗(yàn)中普遍比經(jīng)典方法好，交并比IoU和準(zhǔn)確性Acc都有很大的提高。比2019年提出的U-Net 和ED-Net 融合模型在IoU 和準(zhǔn)確性上分別提高了4.74%和0.64%。同時(shí)，比惠健等（2019）在IoU 和Acc 分別提高了8.08%、1.13%，比AMUNet的IoU提高了7.13%，Acc提高了0.64%。由表1 可知D-UNet 在測(cè)試集上有兩個(gè)地區(qū)的結(jié)果不如其他方法，因?yàn)槊總€(gè)地區(qū)的建筑物具有不同的分布特點(diǎn)，每個(gè)方法在不同的地區(qū)中效果較難達(dá)到完全的最優(yōu)，但D-UNet 在整體IoU 和準(zhǔn)確性上均超過了其他方法。

表1 測(cè)試集數(shù)值評(píng)估Table 1 Test set numerical evaluation

在驗(yàn)證集上對(duì)比了近一兩年在IAIL 航空?qǐng)D像數(shù)據(jù)集上提出的新分割方法，如表2所示。本文方法D-UNet 比Li 等（2019）提出多尺度的U-Net（Multi-scale UNet）的IoU 和Acc 分別提高了4.74%和0.65%；比Pan 等（2019）使用空間和通道雙注意力機(jī)制的生成式對(duì)抗網(wǎng)絡(luò)的IoU 和Acc 分別提高了1.46%、0.17%；比Han 等（2020）提出的稠密連接機(jī)制改進(jìn)的殘差卷積網(wǎng)絡(luò)和空間金字塔結(jié)構(gòu)的RDASP-Net 模型IoU 提高了3.05%，Acc 提高了0.51%。Sebastian 等（2020）提出的SEResNeXt101-FPN-CPA 方法，即加入了上下文金字塔模型，通過捕獲上下文特征依賴項(xiàng)來改進(jìn)對(duì)不同大小的建筑物進(jìn)行提取，本文方法D-UNet 的IoU 比其高了1.69%，Acc 高了0.29%。另外，D-UNet 比Guo 等（2020）提出的加入注意力機(jī)制塊的改進(jìn)的U-Net方法AMUNet 的IoU 提高了2.02%，Acc 提高了0.04%。表2 充分說明了本方法在驗(yàn)證集上的有效性，D-UNet 在整體IoU 和準(zhǔn)確性上優(yōu)于其他最新方法。

表2 驗(yàn)證集數(shù)值評(píng)估Table 2 Validation set numerical evaluation

實(shí)驗(yàn)可視化圖如圖5所示。圖5（a）為數(shù)據(jù)集原圖，圖5（b）為原圖標(biāo)簽，D-UNet 的結(jié)果如圖5（g）所示，SegNet、VGG11、PSPNet和LinkNet分割的視覺效果分別如圖5（c）、5（d）、5（e）、5（f）所示。可以看到，與其他方法的分割結(jié)果相比，本文方法D-UNet 可以更好區(qū)分建筑物之間的邊界，預(yù)測(cè)結(jié)果較少有邊緣信息的丟失，能捕獲更多“尖銳”的細(xì)節(jié)信息。

圖5 各方法實(shí)驗(yàn)可視化圖Fig.5 Experimental visualization of each method

圖6 展示了D-UNet 模型在圖像尺寸大小為5000 × 5000 的INRIA 遙感影像測(cè)試集上的分割效果，D-UNet 在測(cè)試時(shí)每次的輸入尺寸為1024 ×1024，最后將其拼接為原圖大小。

圖6 D-UNet分割效果可視化圖Fig.6 Visualization of D-UNet segmentation effect

3.4 消融實(shí)驗(yàn)

為進(jìn)一步驗(yàn)證本文方法的有效性，在驗(yàn)證集上對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行有無空洞卷積模塊的消融對(duì)比實(shí)驗(yàn)結(jié)果如表3所示。在消融實(shí)驗(yàn)中，以本文提出的聯(lián)合損失函數(shù)作為模型的損失函數(shù)，對(duì)比四通道的空洞卷積模塊對(duì)模型的整體的效果，實(shí)驗(yàn)表明，有空洞卷積模塊的D-UNet 在5 個(gè)城市的交并比IoU 和精確度Acc 均有提升，其中，IoU 最大提升幅度為5.41%，Acc 最大提升幅度為2.18%，模型整體提高分別為：IoU：4.61%，Acc：0.74%，即四通道的空洞卷積模塊能夠提取大小不同的多尺度特征信息對(duì)模型的分割效果具有較好的提升作用。

表3 驗(yàn)證集消融實(shí)驗(yàn)評(píng)估Table 3 Validation set ablation experimental evaluation

4 結(jié)論

從遙感圖像中準(zhǔn)確自動(dòng)地分割建筑物對(duì)于城市規(guī)劃和災(zāi)害管理等應(yīng)用領(lǐng)域至關(guān)重要。本文提出了一種新的建筑物提取方法，稱為D-UNet。考慮到現(xiàn)有的基于全卷積神經(jīng)網(wǎng)絡(luò)的方法有很多局限性，如產(chǎn)生模糊邊緣和細(xì)節(jié)信息丟失等問題。D-UNet通過以下3個(gè)優(yōu)勢(shì)來解決上述問題：（1）D-UNet是端到端結(jié)構(gòu)的像素級(jí)分割網(wǎng)絡(luò)。（2）D-UNet 通過融合不同尺度的空洞卷積模塊，在不增大模型計(jì)算量的同時(shí)提高了分割的精確度。（3）提出了一種新的聯(lián)合損失函數(shù)，使模型能更快更穩(wěn)定的進(jìn)行參數(shù)更新。

在IAIL 航空?qǐng)D像數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果充分驗(yàn)證了D-UNet 在高分辨率遙感圖像語義分割的有效性和優(yōu)勢(shì)，其分割精度更高，優(yōu)于其他方法，具有較高的實(shí)際應(yīng)用價(jià)值。但是，D-UNet 仍然具有可以提升的空間。我們將在之后的研究中繼續(xù)探究如何降低D-UNet 的訓(xùn)練時(shí)長(zhǎng)以及如何繼續(xù)提升分割精度。