农业机械学报

作者：翟雪东，韩文霆，马伟童，崔欣，李广，黄沈锦

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,中国科学院重庆绿色智能技术研究院,哈尔滨工业大学,

关键词：遥感;作物制图;半监督学习;生成对抗网络;多尺度特征融合;通道注意力

基金：国家重点研发计划项目(2022YFD1900802)、国家自然科学基金项目(51979233)和中央高校基本科研业务费专项资金项目(2452023078)

作物精准遥感制图对于农业资源调查与管理具有重要意义。深度学习为实现精准高效作物制图提供了技术支持。为了缓解深度学习对标记样本的依赖，本文提出了一种改进AdvSemiSeg的半监督遥感影像作物制图方法。所提方法引入STMF-DeepLabv3+作为对抗学习中的生成网络，通过Swin Transformer（ST）和多尺度特征融合（Multi-scale fusion，MF）模块提高生成网络特征编码能力和语义表达能力，改善遥感影像作物分割效果；此外，在判别网络中引入通道注意力（Efficient channel attention，ECA）模块，对不同通道特征图的表征信息进行自适应学习，增强判别网络对不同通道特征的感知能力。模型训练过程中，判别网络为生成网络提供高质量的伪标签和对抗损失，有效提高生成网络的泛化能力。采用所提方法与几种先进的半监督语义分割方法对内蒙古河套灌区遥感影像种植信息进行提取，本文方法性能最优。

来源：2024年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第8期