基于深度学习的多模态地貌识别算法研究

• 作者: 李科 杜琳 王光霞
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 地貌识别 多模态数据融合 深度学习 卷积神经网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 博士园地
• 页码范围: 21-25
• 页数: 5页
• 分类号: P209
• 字数: 3859字
• 语种: 中文

摘要

为了提高地貌识别精度,本文基于深度学习融合多种模态地貌数据的特征对地貌进行识别.该方法利用深度学习网络分别从晕渲图、高程和坡度3种数据中提取地貌的物理和视觉特征,然后采用残差学习模型挖掘不同模态特征之间的深度关联,对多模态地貌数据特征进行学习并融合生成地貌深层特征,从而实现对地貌数据的联合表达.最后,使用3个全连接层和一个SoftMax分类器为每个样本数据生成一个地貌类别标签.实验结果表明,与以往的方法相比,基于深度学习的多模态地貌数据的地貌识别具有更好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王光霞		74	605	12.0	21.0
2	李科		10	37	4.0	6.0
3	杜琳		4	28	2.0	4.0