深度学习在GlobeLand30-2010产品分类精度优化中应用研究

• 作者: 刘天福 曹鑫 董琪 陈学泓 陈晋
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 深度学习 GlobeLand30 产品优化 GoogleEarth
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: CNN专栏
• 页码范围: 685-693
• 页数: 9页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2019.4.0685

摘要

本文提出结合深度卷积神经网络与在线高分遥感影像的分类方法,用于GlobeLand30地表覆盖产品的质量优化.首先,通过对多源地表覆盖产品的一致性分析,构建深度学习训练所需的高分辨率遥感大样本(224万样本量);其次,基于该大规模样本集训练适用于GlobeLand30优化的深度卷积神经网络模型(GoogleNet Inception V3);最后,利用训练好的神经网络模型对在线高分影像进行分类,用以优化GlobeLand30产品的不可靠区域.经独立测试样本集验证,经过训练的神经网络分类总体精度为87.7％,Kappa系数为0.86,相比原始GlobeLand30的精度(总体精度75.1％、Kappa系数0.71)有了明显提升.在4个试验区的GlobeLand 30产品优化实验表明:该方法能够有效优化GlobeLand30产品的分类精度.