典型文献
基于地理国情的深度学习分类容错性研究
文献摘要：
地理国情监测获取的地表覆盖分类成果具有覆盖区域全、精细度高、时相新等优势,具有作为深度学习分类模型训练样本的能力和优势,能够大大减少样本获取的成本.但是,受数据源、时相以及采集标准等因素的影响,直接使用地表覆盖数据作为样本,往往与模型训练采用的影像存在一定的误差.研究采用深度学习语义分割算法,比较了人工标注样本以及不同量地表覆盖数据样本的分类结果.结果表明深度学习分类算法具有一定的容错能力,即使地表覆盖样本与训练影像存在一定的误差,当样本量足够大时,同样能够获得有效的分类结果.研究成果说明了地表覆盖数据作为深度学习分类样本的可行性,为如何更好地使用该数据提供了思路,一定程度上解决了深度学习中样本获取难的问题.
文献关键词：
深度学习;遥感影像分类;训练样本;地表覆盖;容错性
中图分类号：
作者姓名：
刘建歌;白穆;王馨爽
作者机构：
自然资源部陕西基础地理信息中心,陕西 西安 710054
文献出处：
引用格式：
[1]刘建歌;白穆;王馨爽-.基于地理国情的深度学习分类容错性研究)[J].地理空间信息,2022(02):9-14
A类：
B类：
容错性,地理国情监测,地表覆盖分类,覆盖区域,精细度,分类模型,模型训练,训练样本,大大减少,少样本,数据源,地表覆盖数据,习语,语义分割,分割算法,不同量,分类算法,容错能力,样本量,得有,遥感影像分类
AB值：
0.318323
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。
