摘要：當前,深度卷積神經網絡在遙感影像語義分割領域取得了長足的發展.標準的卷積神經網絡由于卷積核的幾何形狀是固定的,導致對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增強卷積網絡對空間變換的適應能力.由于神經網絡架構中使用了池化層操作,這會導致在輸出層未能充分地對局部對象進行準確的分割.為了克服這種特性,本文將神經網絡輸出層的粗糙預測分割結果通過全連接的條件隨機場來進行處理,以此來提高對影像細節的分割能力.本文方法易于采用標準的反向傳播算法進行端到端的方式訓練.ISPRS數據集上的測試試驗結果表明本文方法可以有效地克服遙感影像中分割對象的復雜結構對分割結果的影響,并在該數據集上獲得了當前最好的語義分割結果.