针对普通卷积神经网络在遥感图像分割中林地边界区域识别不完整、小片林地分割精度低的问题，提出一种基于transformer与注意力机制的DeeplabV3+网络改进方法。在编码阶段引入transformer机制，将原池化金字塔部分中的空洞卷积操作替换为可获取更多上下文信息的transformer操作，从而提高网络对林地边界信息的提取能力；将注意力机制引入到网络的解码部分，提升模型对小片林地的检测能力。实验表明，采用改进后的方法平均交并比(MIou)可达到81.83%

对比原DeepLabV3+网络模型提升了1.25%。该方法充分考虑了卫星遥感图像分割中林地边缘信息的提取以及对小目标的关注度，提出的改进方法可提升遥感图像中对林地提取的精度。