典型文献
基于卷积神经网络的高分遥感影像耕地提取研究
文献摘要：
高效精准地提取遥感影像中的耕地对农业资源监测以及可持续发展具有重要意义,针对目前多数传统全卷积神经网络(FCN)模型在提取耕地时存在重精度而轻效率的缺陷,本文建立基于FCN的轻量级耕地图斑提取模型(LWIBNet模型),并结合数学形态学算法进行后处理,开展耕地图斑信息的自动化提取研究.该LWIBNet模型汲取了轻量级卷积神经网络和U-Net模型的优点,以Inv-Bottleneck模块(由深度可分离卷积、压缩-激励块和反残差块组成)为核心,采用高效的编码-解码结构为骨架,将LWIBNet模型分别与传统模型的耕地提取效果、经典FCN模型的轻量性和精确度进行对比,结果表明,LWIBNet模型比表现最优的传统模型Kappa系数提高12.0％,比U-Net模型的参数量、计算量、训练耗时、分割耗时分别降低96.5％、87.1％、78.2％和75％,且LWIBNet的分割精度与经典FCN模型相似.
文献关键词：
耕地;提取;高分遥感影像;卷积神经网络;LWIBNet
中图分类号：
作者姓名：
陈玲玲;施政;廖凯涛;宋月君;张红梅
作者机构：
江西省水利科学院,南昌330029;江西省土壤侵蚀与防治重点实验室,南昌330029;南昌工程学院水利与生态工程学院,南昌330099
文献出处：
引用格式：
[1]陈玲玲;施政;廖凯涛;宋月君;张红梅-.基于卷积神经网络的高分遥感影像耕地提取研究)[J].农业机械学报,2022(09):168-177
A类：
LWIBNet
B类：
高分遥感影像,耕地提取,农业资源,资源监测,数传,全卷积神经网络,FCN,耕地图斑,图斑提取,提取模型,数学形态学算法,自动化提取,轻量级卷积神经网络,Inv,Bottleneck,深度可分离卷积,残差块,解码,传统模型,提取效果,Kappa,参数量,计算量,模型相似
AB值：
0.274815
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。
