结合DeepLabv3架构的多源数据建筑物提取方法

• 作者: 于翔舟 李烁 杨乐 沈大川 王慧 田苗
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 深度学习 样本自动标注 DeepLabv3 BiseNet 建筑物提取
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 基金项目专栏
• 页码范围: 62-66
• 页数: 5页
• 分类号: P237
• 字数: 3911字
• 语种: 中文

摘要

针对目前基于机器学习解决高分辨率遥感影像建筑物提取鲁棒性差并且难以充分挖掘深层次特征的问题,对比了当前较为普遍的深度学习语义分割方法,以平均精度、类别精度、F1分数及交并比(IoU)作为精度衡量指标,全面分析了3种算法的性能.结果表明,选择精度较高的DeepLabv3plus架构分类算法,能够获得更为精确的像素级建筑物提取结果,总体精度可提升2％,IoU提高3％,能够充分表达建筑物细节信息.本文提出了融合多源数据的样本制作方法,设计了大规模遥感影像训练样本的智能采集和标注方法,选取某地区像素级建筑物标准数据集遥感图像进行实验,结果表明,该方法制作的样本库接近真值训练结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王慧		33	347	11.0	17.0
2	于翔舟		4	2	1.0	1.0