典型文献
基于深度学习的遥感图像道路分割
文献摘要：
为在遥感图像中提取出来道路信息,利用深度学习技术,引入U2-Net模型进行遥感图像道路分割.相比于传统的道路提取方法,基于U2-Net方法可以实现道路的自动化提取.为验证U2-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为流行的语义分割方法进行对比试验,并进一步分析U2-Net显著图融合模块中卷积核对道路提取效果的影响.试验结果表明,U2-Net模型能较有效地提取出道路信息,模型在测试集上的平均交并比达到了76.49％,Kappa达到了0.7012,分割精度优于U-Net、DeepLabV3+等语义分割方法.基于U2-Net模型的深度学习方法可以用于解决遥感图像中的道路分割问题,并具有较好的分割效果.
文献关键词：
语义分割;深度学习;遥感图像;U2-Net模型;高分辨率
中图分类号：
作者姓名：
李旭涛;杨寒玉;卢业飞;张玮
作者机构：
齐鲁工业大学(山东省科学院)计算机科学与技术学部,山东 济南 250353;湖北大学数学与统计学学院,湖北 武汉430062;山东省计算中心(国家超级计算济南中心)山东省计算机网络重点实验室,山东 济南250000
文献出处：
引用格式：
[1]李旭涛;杨寒玉;卢业飞;张玮-.基于深度学习的遥感图像道路分割)[J].山东大学学报（工学版）,2022(06):139-145
A类：
B类：
遥感图像,道路分割,深度学习技术,U2,Net,道路提取,自动化提取,模型分割,分割效果,DeepLabV3+,语义分割,分割方法,显著图,图融合,卷积核,核对,提取效果,出道,测试集,平均交并比,比达,Kappa,深度学习方法
AB值：
0.310758
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。
