基于優化神經網絡的遙感影像語義分割算法

王曉鋒 張猷 夏嚴峰 王森 王輝

摘要：利用機器學習技術可以自動化地識別地表覆蓋物，減輕人力成本和減少人為誤差，加快測繪、國防、農業和防災減災等各個領域的數字化轉型。遙感影像地表覆蓋物的分類算法已經得到了一定的發展，但具體到應用場景中，受制于模型效率，自動化水平仍不高。為了保證訓練產生的機器學習模型可以穩定、快速地服務于上述的領域，本文針對機器學習模型在訓練、測試階段的優化進行了探索，從而保證模型可更高效穩定地在有限的硬件資源上運行。通過本文介紹的優化方法，模型的訓練速度得到了提升，模型占用的空間得到了減小，模型的推理速度得到了提高，并且保證了模型的精度幾乎不受影響。

關鍵詞：神經網絡壓縮;神經網絡優化;深度神經網絡;圖像語義分割;遙感影像

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）17-0070-03

1 概述

航拍圖像和遙感圖像識別長期以來得到了測繪、國防、農業等領域的廣泛應用，隨著深度學習和卷積神經網絡（Convolutional Neural Networks，CNN）的高速發展，地表覆蓋物分類等基于遙感影像的自動化分析技術也得到了一定程度的發展。

在過去的10年內，視覺模型的發展主要有兩個主流方向，分別是增加模型對于圖像的理解能力和降低模型理解圖像的算力消耗。通過增加模型復雜度提高精度已經得到了充分研究，但如何在不損失太大精度的前提下，降低模型的大小和算力消耗仍有待探索。為了使深度學習模型得到更廣泛的應用，尤其是在移動端設備上應用，這樣的探索是必須的。……