中国安全科学学报

作者：钟兴润, 田晨斌, 李新宏, 孟晓静, 杨文欣

单位：1 西安建筑科技大学 资源工程学院,陕西 西安 710055；2 西安市工业职业危害评价与防治技术重点实验室,陕西 西安 710055

关键词：U-Net,洪涝灾害,图像识别,图像分割,注意力机制,残差

基金：校企合作项目(XAJD-YF23N010)

为解决洪涝灾害识别模型在城市复杂背景下区域分割不清和细节还原不足等问题,提升洪涝灾害图像识别准确性,提出一种基于残差网络和自注意力机制的改进U-Net语义分割模型——AttResU-Net模型。该模型在经典U-Net网络架构基础上进行优化设计,采用深层残差网络作为编码器以增强特征表达能力,同时在解码器中引入注意力机制,以提高对关键洪涝区域的响应能力;构建完整的训练与测试流程,使用FloodNet多类别复杂环境数据集训练改进AttResU-Net模型,从定量指标和定性可视化效果2个维度来评估模型性能,并与现有主流模型进行对比分析。结果表明:AttResU-Net模型在平均像素准确率(mPA)、像素准确率(PA)、平均精度(mPrecision)等指标上表现优异,其中,mPA为79.75%、PA为90.01%、mPrecision为81.78%;相比其他模型,AttResU-Net模型在树木、水体、道路和建筑物等识别中表现出更高的分割准确率、全局像素精度和全局识别能力。

来源：2025年第10期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第10期