在冰湖编目工作中,从海量遥感数据快速准确获取冰湖边界具有重要意义,发展基于遥感数据的冰湖边界自动化提取方法是关键。本研究改进了基于YOLOv5-Seg网络的实例分割模型,并应用于山地冰湖自动化提取。结果显示,使用坐标注意力机制（Coordinate-Attention,CA）,提高网络对冰湖目标的关注程度;在原始3个检测层的基础上添加小目标检测层,增强网络对小面积冰湖检测能力;修改上采样方法为转置卷积,解决了最近邻上采样丢失特征问题。改进的YOLOv5-Seg网络比原始网络平均精度提升2.7%,达到75.1%,比目前其他主流算法精度高10%。利用改进的YOLOv5-Seg网络的实例分割模型和Sentinel-2卫星影像,发现2022年兴都库什—喀喇昆仑—喜马拉雅地区（HKH）,共有10 668个冰湖正例,共计768.3 km2。该研究通过深度卷积神经网络和多源遥感数据,为大地理区域的自动冰湖制图提供了技术支持。

来源平台：遥感技术与应用