双注意力语义分割模型

分割精度大幅领先

在DeepLabv3中嵌入SK-Attention与Self-Attention，实现对洪灾后乡村房屋多尺度特征的精准提取，分割性能显著超越现有基线模型。

Wu, Luyuan · Yi, Cheng · Aifang, Su · Zhang, Boyang · 王自法 · Jingbo, Tong · Meng, Li · Anqi, Zhang

Advanced Engineering Informatics 2025

参数信息

分割准确率

87.5 %

全局准确率

98.5 %

平均交并比

77.8 %

F1分数

86.5 %

MIoU提升幅度（双注意力协同）

2.5 %

损伤宽度量化误差≤20%图像占比

85.29 %

技术优势

多尺度特征提取

ASPP结合Self-Attention捕获多尺度上下文，SK-Attention动态调节感受野，精准分割大小不一的房屋。

性能超越基线

在相同数据集上，DDA的分割准确率87.5%、MIoU 77.8%、F1-score 86.5%，均高于DeepLabv3+、Swin-Unet、U-Net、YOLO。

损伤量化可靠

结合Canny边缘检测与最大内切圆算法，85.29%的图像损伤宽度量化误差≤20%，为风险评估提供可信依据。

应用场景

• 灾后房屋损伤检测：自动提取受损房屋轮廓，替代人工现场勘查，快速定位损毁区域。
• 遥感图像分割：适用于无人机影像的房屋分割，实现灾后遥感图像的精细解译。
• 智能灾害评估：输出损伤宽度、长度等量化指标，为灾害风险分级提供客观依据。
• 边缘计算视觉：轻量级模型可部署于边缘设备，支持现场实时分割与评估。