典型文献
智能优化学习的高空间分辨率遥感影像语义分割
文献摘要：
高空间分辨率遥感影像正被广泛应用,而传统分类算法在高分遥感影像上的精度和效率较差,深度学习语义分割算法在实际分类中泛化性较差.为了适应大范围高分遥感影像的特点,提出了一种基于U-Net网络的模拟退火超参数优化与深度可分离卷积语义分割模型.首先在U-Net网络基础上使用了深度可分离卷积模块来进行特征提取,在保持高效性的同时减少模型的参数量和计算量,然后利用基于模拟退火的智能优化学习模型搜索网络超参数的全局最优解,自动优化网络训练初始点,最后在ISPRS2D和GID(Gaofen image dataset)数据集上进行实验.对比实验结果表明,在ISPRS2D数据集的分类结果中,建筑物、低植被和汽车及总体分类精度均有提高,在GID数据集的分类结果中,水域、草地、森林及总体分类精度均有大幅提高.实验结果验证了所提模型的高效性、高精度性与鲁棒性.
文献关键词：
语义分割;高分辨率遥感影像;深度学习;超参数优化
中图分类号：
作者姓名：
邵振峰;孙悦鸣;席江波;李岩
作者机构：
武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉,430079;长安大学地质工程与测绘学院,陕西 西安,710054;内蒙古电子信息职业技术学院,内蒙古 呼和浩特,010070
文献出处：
引用格式：
[1]邵振峰;孙悦鸣;席江波;李岩-.智能优化学习的高空间分辨率遥感影像语义分割)[J].武汉大学学报（信息科学版）,2022(02):234-241
A类：
ISPRS2D
B类：
智能优化,优化学习,高空间分辨率遥感影像,语义分割,传统分类算法,高分遥感影像,习语,分割算法,泛化性,Net,模拟退火,超参数优化,深度可分离卷积,分割模型,网络基础,卷积模块,参数量,计算量,搜索网,全局最优解,自动优化,网络训练,初始点,GID,Gaofen,image,dataset,分类精度,水域,草地,高分辨率遥感影像
AB值：
0.291346
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。
