深度学习方法在光伏用地遥感检测中的应用

摘要：

针对传统方法提取新增光伏用地精度低的问题,该文提出了一种基于集成学习的U-Net双网络变化信息融合的深度学习方法用于新增光伏用地的提取.首先对U-Net网络进行改进得到性能较好的两个变化检测网络模型,然后分别训练两个网络模型用于在高分辨率卫星影像上检测新增光伏用地,将训练好的两个网络模型的分类图融合再经过后处理得到最终的变化检测结果.通过实验表明:该方法明显优于传统变化检测方法,也提高了单网络模型变化检测结果的精度.

关键词：深度学习、U-Net网络、新增光伏用地提取、集成学习

所属期刊栏目：45

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家重点研发计划子课题项目2016YFC0803109,2016YFC0803104

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：84-92