典型文献
基于深度学习语义分割模型的高分辨率遥感图像水体提取
文献摘要：
水体提取是高空间分辨率遥感影像应用中重要研究方向之一.传统识别方法仅利用水体的浅层特征,为了更好地挖掘遥感影像的深度信息,从而提升水体提取算法的鲁棒性,提高分割精度,提出了一种基于深度学习语义分割模型的水体提取方法.利用深度神经网络挖掘高分辨率遥感影像信息,同时引入注意力模块,整合深层信息与浅层地物的形状、结构、纹理和色调等信息,拟建立比现有模型具有更高准确率、更快预测速度的全新深度语义分割模型.最后,和传统识别方法以及常见语义分割模型进行对比消融实验.实验证明所提出算法模型的总体精度和效率均优于现有方法,且算法参数设置简单,受人工干预少.文章证明了深度学习以及注意力机制在高分辨率遥感影像水体提取任务上的准确性和高效性,提供了一种使用深度学习方法解决高分辨率遥感影像分割任务的可能,并对未来进行了展望.
文献关键词：
语义分割;多尺度;遥感影像;全卷积网络;注意力机制
中图分类号：
作者姓名：
沈骏翱;马梦婷;宋致远;柳汀洲;张微
作者机构：
浙江大学软件学院,宁波 315048;浙江大学计算机科学与技术学院,杭州 310027
文献出处：
引用格式：
[1]沈骏翱;马梦婷;宋致远;柳汀洲;张微-.基于深度学习语义分割模型的高分辨率遥感图像水体提取)[J].自然资源遥感,2022(04):129-135
A类：
B类：
习语,语义分割,分割模型,高分辨率遥感图像,水体提取,高空间分辨率遥感影像,深度信息,升水,深度神经网络,网络挖掘,高分辨率遥感影像,注意力模块,地物,色调,拟建,现有模型,测速,消融实验,算法模型,总体精度,算法参数,参数设置,人工干预,注意力机制,使用深度,深度学习方法,遥感影像分割,全卷积网络
AB值：
0.271529
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
