基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文基于高分辨率遥感影像,半自动构建了建筑物、交通、植被、水体四种地物类型影像样本集数据,结合ResNet和UNet两种典型网络结构,优化了ResNet50网络结构并设计了一种用于建筑物和道路提取的多任务深度学习网络。以上海地区0.5米高分辨率卫星影像为实验数据,提取了建筑物和道路,结果表明优化和构建的多任务学习网络适于特大型城市典型地物分类提取,对建筑物和道路分类提取能够得到较为理想的结果,从而为城市的规划土地监管工作提供快捷、智能的实用方法,也为人工智能遥感影像解译相关技术的应用提供一定的参考价值。
推荐文章
面向高分辨率遥感影像分类的分层策略研究
高分辨率遥感影像
易康软件
分层策略
精度分析
高分辨率遥感影像自动分类方法研究
高分辨率影像
遥感
土地利用
自动分类
基于深度学习的高分辨率 遥感影像建筑物提取
遥感影像;
建筑物提取;
多尺度;
深度学习
一种快速高分辨率遥感影像分割算法
高分辨率
遥感影像
分割
区域合并
梯度
分水岭
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的高分辨率影像样本构建与分类算法优化
来源期刊 测绘科学与工程 学科 工学
关键词 遥感影像 深度学习 网络优化 目标识别
年,卷(期) 2020,(4) 所属期刊栏目
研究方向 页码范围 24-30
页数 7页 分类号 TP751
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 潘琛 5 15 3.0 3.0
2 郭功举 3 18 2.0 3.0
3 岳照溪 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
遥感影像
深度学习
网络优化
目标识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
测绘科学与工程
双月刊
2095-4557
61-1425/P
陕西省西安市雁塔路中段1号
出版文献量(篇)
2005
总下载数(次)
27
总被引数(次)
0
论文1v1指导