基于U-Net模型的土地利用快速分类提取方法研究

摘要：

为有效提高高分辨率遥感影像的目标识别及地物分类的自动提取效果,文章通过样本的选取制作、数据增强、模型训练及预测等,基于U-Net模型,对土地利用快速分类提取方法进行试验.经验证,利用U-Net模型进行土地利用数据分类,精度可达到85.70％.实验结果表明,U-Net网络在土地利用快速分类自动提取方面具有较高的分割准确率,同时还具有良好的泛化能力,能够用于实际工程,为自动化大范围自然资源资源监测提供新思路.

关键词：U-Net;卷积神经网络;深度学习;高分辨率;分类识别

分类号：TP391.41;P237;TP751

资助基金：顾及季节影响的广西耕地变化检测方法研究项目AD20238044

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：27-31