基于DeeplabV3+的建筑垃圾堆放点识别
针对遥感影像中建筑垃圾非法堆放,难以快速、准确、有效地识别建筑垃圾堆放的位置、类型、面积和体量等动态信息的问题.本文基于卷积神经网络模型,对多光谱遥感影像和全色遥感影像进行NNDiffuse算法融合处理,以提高图像分辨精度,并深入分析遥感影像中建筑垃圾堆放点的特征信息,采用DeeplabV3+网络模型,采用编码器将目标所需的浅层特征和高层语义特征相结合,从图像样本数据平衡的角度,调整样本权重系数,进一步提高识别精度.试验结果表明,使用DeeplabV3+网络对建筑垃圾堆放点的识别精度达82%,有利于实现建筑垃圾动态监测与管理.
建筑垃圾、遥感影像、语义分割、DeeplabV3+、图像融合
P237(摄影测量学与测绘遥感)
国家重点研发计划;北京建筑大学市属高校基本科研业务费专项;促进高校内涵发展定额项目
2022-05-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
16-19,43