改进的U-Net算法在遥感图像典型农作物分类研究
针对传统算法提取遥感图像分类特征不全,及识别农作物分类准确率不高的问题,以无人机遥感图像为数据源,提出改进U-Net模型对研究区域薏仁米、玉米等农作物进行分类识别.实验中首先对遥感影像进行预处理,并进行数据集标注与增强;其次通过加深U-Net网络结构、引入SFAM模块和ASPP模块,多级多尺度特征聚合金字塔方法等对算进行法改进,构建改进的U-Net算法,最后进行模型训练与改进修正.实验结果表明:总体分类精度OA达到88.83%,均交并比MIoU达到0.52,较传统U-Net模型、FCN模型和SegNet模,在分类指标和精度上都有明显的提升.
深度学习、农作物分类、无人机遥感、改进U-Net模型
51
TP39(计算技术、计算机技术)
国家自然科学基金;吉林省发展与改革委员会高技术产业发展项目;吉林省教育厅科学技术研究项目;国家级大学生科技创新项目
2022-10-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
418-424