随着互联网时代到来,航拍图片广泛用于室外导航、绿色植被覆盖率检测、城市建筑面积估算等。航拍图片需求量大,可利用信息多,由于其图片像素高、数据量庞大等特点导致提取图片信息困难。随着计算机以及人工智能的发展,用计算机代替人工提取航拍图片中的目标信息更高效。提取航拍图片中的目标信息主要采用计算机视觉技术中的图像分割(也称语义分割)方法,该方法是对图片中不同信息的坐标值区分标注,来分割出航拍图片中各类信息的坐标值域,本文采用神经网络实现对航拍图片分割的任务。神经网络对航拍图片分割的核心是神经网络模型和神经网络训练。前者主要是实现航拍图片的图像分割算法,后者主要是为了获取神经网络模型。本文拟修改Deeplabv3+神经网络模型来提升图像分割的准确率,通过改进同步训练法来实现神经网络在异构集群中的加速训练,最终实现航拍图片的图像分割以及应用。本文通过改进神经网络结构、调整超参数以及增添权重损失函数完成分割航拍图片的任务,并使用膨胀预测进一步优化图像分割效果。针对神经网络的分布式训练,本文基于异构集群提出一种改进的同步训练方法。主要思想是加入缓冲器来完成梯度存储的队列机制,进而减少各计算节点之间的等待耗时,实现集群负载均衡,从而加速神经网络训练。实验证明,本文通过改进模型提升了图像分割的MIOU,通过优化集群提升了模型的训练速度。