基于DeeplabV3+的无人机遥感影像识别

• 作者: 赖丽琦
• 来源期刊: 林业调查规划
• 关键词: 无人机 语义分割模型 DeeplabV3+模型 植被覆盖影像 参数量 训练时长
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 森林经理|Forest Management
• 页码范围: 11-16,62
• 页数: 7页
• 分类号: S718.521.2|S771.51|TP753|TP312
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3168.2021.03.003

摘要

针对无人机植被覆盖航拍影像分类精度不高、工程量大的问题,开发适用于无人机植被覆盖影像识别、具有较高准确性的语义分割模型,以提高植被分类精度.通过无人机航拍获取研究区影像,对获取到的图像进行标注,建立图像数据集,构建随机森林、SegNet、U-Net及DeeplabV3+模型,对DeeplabV3+模型进行改进,将主干网络替换为MobileNetV2,在本实验数据集上训练和测试模型,以验证集指标作为模型评估指标.结果表明,语义分割模型表现优于传统图像分割模型;原始模型中,DeeplabV3+模型表现最好,像素准确率达93.64％,平均交并比达66.43％;改进的Deep-labV3+模型在植被覆盖影像上取得较好的识别效果,像素准确率和平均交并比分别为94.71％和70.89％,相比原始模型分别提升了1.07％和4.46％,参数量仅为原始模型的6.74％,训练时长为原始模型的78.76％,具有一定的适用性和实用价值.