基于面向对象与深度学习的典型地物提取

• 作者: 刘世盟 杨秀峰 郭会敏 金永涛 高涛
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 面向对象 深度学习 卷积神经网络 目标识别
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 技术方法
• 页码范围: 22-29
• 页数: 8页
• 分类号: TP79
• 字数: 5010字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2018.01.04

摘要

针对遥感图像地物分割问题面向对象方法可以将不同地物分割到不同的对象之中,在很大程度上解决了农作物、林地、水体、道路、建筑物等典型地物的混分问题,但面向对象方法对于形状、纹理等特征描述仍不够全面,信息量还不足以支撑完整的地物分类、识别.提出一种将面向对象与深度学习相结合的新方法,选用卷积神经网络Caffe框架,对训练样本数据进行深度学习,掌握不同对象的纹理等特性,形成深度学习模型,反过来指导对象分类.实验表明,新方法可以有效解决典型地物分不准的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金永涛		28	109	6.0	10.0
3	杨秀峰		8	24	2.0	4.0
9	高涛		1	14	1.0	1.0
10	郭会敏		1	14	1.0	1.0
11	刘世盟		1	14	1.0	1.0