基于DeepLabv3+的高分辨率遥感影像 |
| |
引用本文: | 于明洋,张文焯,陈肖娴,刘耀辉.基于DeepLabv3+的高分辨率遥感影像[J].测绘工程,2022,31(4):1. |
| |
作者姓名: | 于明洋 张文焯 陈肖娴 刘耀辉 |
| |
作者单位: | 1.山东建筑大学测绘地理信息学院,济南250101;2.河北省地震动力学重点实验室,河北三河065201 |
| |
摘 要: | 提出一种建筑物自动化提取架构,基于DeepLabv3+网络模型,使用WHU建筑物数据集,完成数据集增强、
模型训练、建筑物提取以及精度评估。实验表明,架构中DeepLabv3+模型分类的总体精度为96.3%、准确度为
94.2%、召回率为92.5%、F1得分为93.3%、交并比为87.5%,优于基于像素的分类方法(支持向量机、K均值聚类
算法(K-Means))和面向对象的分类方法(最邻近节点算法(KNN)、分析与回归树)以及基于深度学习的分类方法
(UNet、SegNet、PSPNet)。文中构建的高分辨率遥感影像建筑物自动化提取模式,可以完成建筑物高精度高效率的
提取任务。
|
关 键 词: | 高分辨率遥感影像 建筑物提取 DeepLabv3+网络模型 深度学习 |
|
| 点击此处可从《测绘工程》浏览原始摘要信息 |
| 点击此处可从《测绘工程》下载免费的PDF全文 |
|