典型文献
一种稀疏降噪自编码神经网络影像变化检测方法
文献摘要：
采用粤西2018—2019年优于0.5 m地理国情监测影像,结合2018年矢量化地表覆盖分类成果,使用稀疏降噪自编码神经网络深度学习方法,首先选取BJ、GF、ZY等各类高分辨率遥感影像训练生成多传感器训练模型;其次利用PCA主成分分析提取样本数据最大特征,实现样本数据白化降维;最后采用tanh函数作为神经元激活函数,选取softmax回归分类器逐层训练深度网络模型,并计算该模型总体损失函数,求出损失函数最小值作为该模型最优参数解.试验表明:1)该方法在城乡接合部查全率优于88％,建成区查全率优于92％,农村地区查全率优于80％,准确度优于68％;2)结合语义分割对稀疏降噪自编码神经网络能够产生较好的局部极值,网络结构达到较好泛化性能,减少了高分辨率遥感影像特征过拟合现象.
文献关键词：
语义分割;稀疏降噪自编码;主成分分析;神经网络;变化检测
中图分类号：
作者姓名：
王斌;罗莉;刘金沧;黄小川;雷雳
作者机构：
广东省国土资源测绘院,广东广州 510550;广东省测绘工程公司,广东广州 510670
文献出处：
引用格式：
[1]王斌;罗莉;刘金沧;黄小川;雷雳-.一种稀疏降噪自编码神经网络影像变化检测方法)[J].测绘与空间地理信息,2022(01):40-44
A类：
B类：
稀疏降噪自编码,自编码神经网络,变化检测,粤西,地理国情监测,矢量化,地表覆盖分类,深度学习方法,BJ,GF,ZY,高分辨率遥感影像,多传感器,训练模型,白化,tanh,激活函数,softmax,分类器,逐层,深度网络模型,损失函数,最小值,最优参数,城乡接合部,查全率,建成区,合语,语义分割,局部极值,泛化性能,影像特征,过拟合
AB值：
0.313359
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。
