采用改进DeepLab网络的遥感图像分割

• 作者: 于峻川 郑司群 陈天华
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 遥感图像处理 深度学习 卷积神经网络 语义分割
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 34-39
• 页数: 6页
• 分类号: TP753
• 字数: 4693字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.11.008

摘要

基于深度学习的语义分割方法具有较好的应用前景,但针对海量的遥感数据,深度学习算法在训练速度上仍有较大提升空间.在前人研究基础上,提出一种改进的全卷积网络,改进的网络以DeepLab为网络前端,结合Inception结构,在不降低特征提取能力的前提下,通过减少网络参数数量,降低网络运算复杂度,有效提升了网络的训练速度.基于INRIA Aerial Image Dataset高分辨率航空遥感数据集开展语义分割对比实验,实验结果显示改进的网络在训练速度和精度上均较DeepLab网络有所提升.所提出的改进DeepLab网络对为处理数据量庞大的遥感影像提供了可参考的解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈天华	北京工商大学计算机与信息工程学院	79	759	16.0	23.0
5	于峻川		6	19	1.0	4.0
6	郑司群	北京工商大学计算机与信息工程学院	1	17	1.0	1.0