基于深度学习的遥感图像新增建筑物语义分割

• 作者: 彭艳兵 陈一鸣 高剑飞
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 深度学习 图像语义分割 卫星遥感图像 U-net 神经网络
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 图像处理
• 页码范围: 3182-3186
• 页数: 5页
• 分类号: TP391
• 字数: 4249字
• 语种: 中文
• DOI: 10. 3969/j. issn. 1672-9722. 2019. 12. 046

摘要

目前在土地监察业务中很重要的一项工作就是监管地上建筑物的建、拆、改、扩.对于大城市及其郊区来说,很难靠工作人员来每天全城巡查,依靠高分辨率卫星遥感图像和深度学习算法可以革新现有的工作流程.论文基于深度学习方法U-net神经网络原理设计了一种新的网络结构,并采用随机梯度下降与Momentum组合的优化方法训练深度学习模型实现语义级别的图像分割.通过使用改进的基于U-net的方法,实验表明可以更准确地识别出更多更复杂的新增建筑物.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭艳兵	烽火通信科技股份有限公司南京研发部	19	71	5.0	7.0
2	陈一鸣		1	0	0.0	0.0
6	高剑飞	烽火通信科技股份有限公司南京研发部	1	0	0.0	0.0