10.3969/j.issn.1672-5867.2022.01.043
基于空间遥感影像的居民地自动解译
针对当前地物要素信息采集劳动强度大、智能化程度不高、效率低等技术瓶颈,本文以深度学习理论为基础,在Caffe框架上依托Digits网络服务器构建居民地数据集进行分类识别训练,建立样本数据集并完成模型训练工作.整合居民地复杂数据信息,设计了针对遥感影像自动解译居民地的操作流程.通过对实验结果分析,利用深度学习获取的数据模型可以实现地物在不同场景中的特征信息描述,能够较好地完成对居民地的轮廓以及细节提取,实现对居民地以及其他地物种类的分类,成功检测居民地的概率极大,对其他地物种类误判概率较小,检测结果初步达到了预期效果.实验证明:网络结构合理,图像识别精度较为理想,具有较强的鲁棒性.
目标识别;遥感影像;深度学习;模型训练;地物采集;居民地识别
45
P237(摄影测量学与测绘遥感)
2022-02-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
167-170,174