摘要：當(dāng)前,深度卷積神經(jīng)網(wǎng)絡(luò)在遙感影像語(yǔ)義分割領(lǐng)域取得了長(zhǎng)足的發(fā)展.標(biāo)準(zhǔn)的卷積神經(jīng)網(wǎng)絡(luò)由于卷積核的幾何形狀是固定的,導(dǎo)致對(duì)幾何變換的模擬能力受到限制.本文引入一種可變形卷積來(lái)增強(qiáng)卷積網(wǎng)絡(luò)對(duì)空間變換的適應(yīng)能力.由于神經(jīng)網(wǎng)絡(luò)架構(gòu)中使用了池化層操作,這會(huì)導(dǎo)致在輸出層未能充分地對(duì)局部對(duì)象進(jìn)行準(zhǔn)確的分割.為了克服這種特性,本文將神經(jīng)網(wǎng)絡(luò)輸出層的粗糙預(yù)測(cè)分割結(jié)果通過(guò)全連接的條件隨機(jī)場(chǎng)來(lái)進(jìn)行處理,以此來(lái)提高對(duì)影像細(xì)節(jié)的分割能力.本文方法易于采用標(biāo)準(zhǔn)的反向傳播算法進(jìn)行端到端的方式訓(xùn)練.ISPRS數(shù)據(jù)集上的測(cè)試試驗(yàn)結(jié)果表明本文方法可以有效地克服遙感影像中分割對(duì)象的復(fù)雜結(jié)構(gòu)對(duì)分割結(jié)果的影響,并在該數(shù)據(jù)集上獲得了當(dāng)前最好的語(yǔ)義分割結(jié)果.