密集反卷积网络在遥感建筑物提取中的应用

• 作者: 张欢 陈凯强 雷宏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 建筑物提取 遥感图像 密集连接 卷积神经网络 反卷积
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 140-144,152
• 页数: 6页
• 分类号: TP391
• 字数: 4377字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1701-0316

摘要

遥感图像覆盖范围广、场景复杂,目前基于卷积神经网络的建筑物提取方法因层数较少,不能充分挖掘图像的抽象信息,导致正确率较低,错检率较高.简单地增加网络的层数会导致梯度流消失和信息流弥散等问题,无法有效地训练网络.将密集连接方式引入到反卷积网络中,提出了一种新型的深层密集反卷积神经网络.该网络共有51层卷积权重层,能够自动学习多层级图像的特征,充分挖掘图像信息,并且该网络是端对端可训练的,避免了深层网络中信息传递消失的问题.同时利用反卷积网络实现了像素级别的建筑物提取,在ISPRS 2D的遥感标注数据集上有良好的表现,具有较强的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷宏	中国科学院电子学研究所	52	263	9.0	13.0
2	张欢	中国科学院电子学研究所	30	267	10.0	15.0
6	陈凯强	中国科学院电子学研究所	1	3	1.0	1.0