0210004-1研究论文第60卷第2期/2023年1月/激光与光电子学进展融合注意力和残差网络的无人机影像树种识别徐志扬1，2，3，陈巧1，2*，陈永富1，21中国林业科学研究院资源信息研究所，北京100091；2国家林业和草原局林业遥感与信息技术重点实验室，北京100091；3国家林业和草原局华东调查规划院，浙江杭州310019摘要为探索采用无人机（UAV）遥感影像进行亚热带树种识别的应用潜力，提出一种结合残差模块和有效通道注意力的网络（ECA-ResNet）对单木树冠影像数据集进行模型训练和识别。首先，利用单木分割算法提取单木树冠，构建不同尺度的UAV可见光影像单株树冠影像块样本数据集，并将其划分为训练数据、验证数据和独立测试集；其次，以ResNet50为主干网络，在瓶颈层插入有效通道注意力并调整网络结构，构建ECA-ResNet；最后，将数据集载入预训练的ECA-ResNet模型，进行参数迭代训练和验证并进行独立测试，择优确定单木树冠的合适窗口大小。结果表明：ECA-ResNet对64×64像素的单木树冠影像数据集中树种的识别效果更为理想，训练精度和验证精度分别达98.98%和96.60%，独立测试识别精度、Kappa系数分别达85.61%、0.8140；ECA-ResNet模型的训练、验证、独立测试精度分别高于ResNet50网络2.63个百分点、1.80个百分点、5.31个百分点。该研究结果证明卷积神经网络（CNN）能够充分提取可见光图像的空间特征，有效通道注意力能够有效提升CNN的单木树种识别能力。关键词树种识别；残差网络；有效通道注意力；无人机可见光图像；单木树冠影像块中图分类号S771文献标志码ADOI：10.3788/LOP212527TreeSpeciesRecognitionUsingCombinedAttentionandResNetforUnmannedAerialVehicleImagesXuZhiyang1,2,3,ChenQiao1,2*,ChenYongfu1,21ResearchInstituteofForestResourceInformationTechniques,ChineseAcademyofForestry,Beijing100091,China;2KeyLaboratoryofForestryRemoteSensingandInformationSystem,NationalForestryandGrasslandAdministration,Beijing100091,China;3EastChinaInventoryandPlanningInstitute,NationalForestryandGrasslandAdministration,Hangzhou310019,Zhejiang,ChinaAbstractToexploretheapplicationpotentialofunmannedaerialVehicle(UAV)remotesensingimagesforsubtropicaltreespeciesrecognition,theECA-ResNetwithresidualmoduleandeffectivechannelattentionisproposedtotrainandrecognizesingletreecrownimages.First,thesingletreecr...
