深度学习方法在光伏用地遥感检测中的应用

• 作者: 丁晓波 宋业冲 李英成 耿中元 裴亚健
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 深度学习 U-Net网络 新增光伏用地提取 集成学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 84-92
• 页数: 9页
• 分类号: P237
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2020.11.013

摘要

针对传统方法提取新增光伏用地精度低的问题,该文提出了一种基于集成学习的U-Net双网络变化信息融合的深度学习方法用于新增光伏用地的提取.首先对U-Net网络进行改进得到性能较好的两个变化检测网络模型,然后分别训练两个网络模型用于在高分辨率卫星影像上检测新增光伏用地,将训练好的两个网络模型的分类图融合再经过后处理得到最终的变化检测结果.通过实验表明:该方法明显优于传统变化检测方法,也提高了单网络模型变化检测结果的精度.