基于深度学习的耕地变化检测技术

• 作者: 帅通 楚博策 王士成 陈金勇 高峰
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 遥感 耕地 语义分割 深度学习 变化检测
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 专题: 模式识别+人工智能
• 页码范围: 571-574
• 页数: 4页
• 分类号: TP391.4
• 字数: 2503字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2019.07.004

摘要

随着人工智能技术的发展,以深度学习为主流的机器学习逐渐取代人工解译的方法,使遥感影像中地物资源的自动化判读成为现实.为解决传统人工判读引起的人力资源耗费高、 解析精度差的问题,同时也为满足日益增长的遥感数据量的判读需求,基于语义分割的深度学习地物变化检测方法,实现耕地区域自动分割分类,通过对比时序影像差异得出变化区域范围,为自动化实现地物变化监测提供有效解决办法.以实际地区为例,采用deeplab语义分割网络的方法实现耕地资源的自动化提取与变化检测,实验证明该方法相比人工以及传统分类模型具有更好的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高峰	中国电子科技集团公司航天信息应用技术重点实验室	33	73	5.0	7.0
2	王士成	中国电子科技集团公司航天信息应用技术重点实验室	12	39	4.0	5.0
3	陈金勇	中国电子科技集团公司航天信息应用技术重点实验室	41	136	6.0	9.0
4	帅通	中国电子科技集团公司航天信息应用技术重点实验室	7	13	2.0	3.0
5	楚博策	中国电子科技集团公司航天信息应用技术重点实验室	1	1	1.0	1.0