基于改进的全卷积神经网络高分遥感数据语义分割研究
  • 【摘要】

    深度卷积神经网络以其独特的权重共享机制在图像识别中得到了广泛的应用,而普通的卷积神经网络在图像语义分割有着诸多困难.故本文将全卷积神经网络(FCN)应用于高分遥感数据的语义分割,以分割图像中的施工场地为例,提出了融合蓝板房光谱识别指数BBI和裸土光谱识别指数RSI的改进全卷积神经网络模型.结果表明:FCN能够较好对高分遥感数据进行分割,提出的改进全卷积神经网络模型能够较为显著的提高了施工场地的识别... 展开>>深度卷积神经网络以其独特的权重共享机制在图像识别中得到了广泛的应用,而普通的卷积神经网络在图像语义分割有着诸多困难.故本文将全卷积神经网络(FCN)应用于高分遥感数据的语义分割,以分割图像中的施工场地为例,提出了融合蓝板房光谱识别指数BBI和裸土光谱识别指数RSI的改进全卷积神经网络模型.结果表明:FCN能够较好对高分遥感数据进行分割,提出的改进全卷积神经网络模型能够较为显著的提高了施工场地的识别率,F1综合指标提升了12%. 收起<<

  • 【作者】

    邓国徽  高飞  罗志鹏 

  • 【作者单位】

    武汉大学遥感信息工程学院

  • 【会议名称】

    第四届高分辨率对地观测学术年会

  • 【会议时间】

    2017-09-17

  • 【会议地点】

    武汉

  • 【主办单位】

    高分辨率对地观测系统重大专项管理办公室   中科院

  • 【语种】

    chi

  • 【关键词】

    遥感数据  全卷积神经网络  图像语义分割  施工场地