典型文献
基于深度语义分割的无人机影像烟草种植面积提取
文献摘要：
目前,深度学习广泛用于作物信息提取,但是存在模型复杂以及训练时间较长的问题.为此,提出一种基于DeeplabV3+深度语义分割模型的无人机遥感影像烟草种植面积精确提取方法.首先通过采用四种经典的轻量化骨干网络(Xception、MobilenetV1、MobilenetV2和Resnet50)替换DeeplabV3+原始的空洞卷积结构(Atrous Conv)结构来训练数据集;其次比较分析不同骨干网络对烟草特征的提取能力;最后,通过训练的模型对预测图像进行语义分割,并使用平均交并比(mean Intersection over Union,mIoU)来评价准确率.实验结果表明,使用Xception、MobelnetV1、MobelnetV2和Resnet50对71张预测图像进行语义分割,得到的mIoU分别为95.58、93.95、94.86和90.45,语义分割准确率较高.
文献关键词：
烟草;无人机影像;语义分割;面积提取
中图分类号：
作者姓名：
付必环;黄亮
作者机构：
昆明理工大学,云南 昆明 650039
文献出处：
引用格式：
[1]付必环;黄亮-.基于深度语义分割的无人机影像烟草种植面积提取)[J].通信技术,2022(02):181-186
A类：
MobilenetV1,MobelnetV1,MobelnetV2
B类：
语义分割,无人机影像,烟草种植,种植面积提取,信息提取,训练时间,DeeplabV3+,分割模型,无人机遥感影像,骨干网络,Xception,MobilenetV2,Resnet50,空洞卷积,Atrous,Conv,训练数据集,特征的提取,平均交并比,mean,Intersection,over,Union,mIoU
AB值：
0.339171
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。
