典型文献
面向多源数据地物提取的遥感知识感知与多尺度特征融合网络
文献摘要：
遥感地物自动提取是遥感智能解译中的关键问题,对空间信息的理解和知识发现具有重要意义.近年来,使用全卷积神经网络(fully convolutional networks,FCN)从高分影像和三维激光雷达(light detec-tion and ranging,LiDAR)数据中提取地物信息因取得了较好效果而受到广泛关注.现有FCN网络在地物提取精度和效率等方面仍存在不足,由此提出一种基于多源数据的遥感知识感知与多尺度特征融合网络(knowledge-aware and multi-scale feature fusion network,KMFNet).在网络编码器端融入遥感知识感知模块(knowledge-aware module,KAM),高效挖掘多源遥感数据中的遥感知识信息;在网络编码器和解码器之间添加了串并联混合空洞 卷积模块(series-parallel hybrid convolution module,SPHCM),提高网络对地物多尺度特征的学习能力;在解码器端使用了渐进式多层特征融合策略,细化最终的地物分类结果.基于公开的ISPRS语义分割标准数据集,在LuoJiaNET遥感智能解译开源深度学习框架上将KMFNet与当前主流方法进行了对比.实验结果表明,所提方法提取出的地物更为完整,细节更加精确.
文献关键词：
高分影像;三维激光雷达;地物提取;全卷积神经网络;遥感知识;多尺度特征
中图分类号：
作者姓名：
龚健雅;张展;贾浩巍;周桓;赵元昕;熊汉江
作者机构：
武汉大学遥感信息工程学院,湖北 武汉,430079;武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉,430079;香港理工大学土地测量与地理资讯学系,香港,999077
文献出处：
引用格式：
[1]龚健雅;张展;贾浩巍;周桓;赵元昕;熊汉江-.面向多源数据地物提取的遥感知识感知与多尺度特征融合网络)[J].武汉大学学报（信息科学版）,2022(10):1546-1554
A类：
KMFNet,SPHCM,LuoJiaNET
B类：
多源数据,地物提取,遥感知识,知识感知,多尺度特征融合,特征融合网络,自动提取,遥感智能解译,空间信息,知识发现,全卷积神经网络,fully,convolutional,networks,FCN,高分影像,三维激光雷达,light,detec,ranging,LiDAR,knowledge,aware,multi,scale,feature,fusion,网络编码,编码器,感知模块,module,KAM,多源遥感数据,解码器,串并联,卷积模块,series,parallel,hybrid,渐进式,多层特征融合,融合策略,地物分类,ISPRS,语义分割,标准数据集,开源,源深,深度学习框架,架上,上将,主流方法
AB值：
0.330648
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。
