10.16526/j.cnki.11-4762/tp.2018.02.046
基于改进AlexNet模型的油菜种植面积遥感估测
目前农作物种植面积估测主要是依据遥感影像数据,结合遥感处理技术对遥感地物进行识别监测,估测结果受遥感数据源影响较大;为此提出了改进过的AlexNet卷积神经网络分类识别算法模型,该模型在传统AlexNet模型基础上,针对Landsat8遥感影像数据,创新地提出将5个卷积层的卷积核修改为两个3*3大小和3个2*2大小,并在3个全连接层后加入dropout层,减少过拟合的出现;将改进前后的模型和加入dropout后的改进模型分别对湖北省荆门市2017年油菜作物种植面积进行分析研究,研究从测试精度、Kappa一致性检验和估测面积三方面进行,实验结果表明加入dropout的改进后模型估测效果最好,估测面积与实际面积误差率为2.39%,Kappa一致性检验结果为0.9625,一致性较高;验证了改进后AlexNet模型在油菜作物遥感识别方面的适用性.
卷积神经网络、农作物识别、油菜作物、遥感测量
26
TP181(自动化基础理论)
国家自然科学基金资助项目41601504;区域开发与环境响应湖北省重点实验室基金2016B003
2018-04-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
186-189