典型文献
基于全卷积网络模型的高分遥感影像内陆网箱养殖区提取
文献摘要：
为了研究高分遥感影像的内陆网箱养殖区自动快速提取,利用福建省北部内陆水域的GF-1影像和GF-2影像,并对影像中的网箱养殖区进行人工标注,经过旋转、缩放和镜像翻转等数据增强处理后构建了 2种影像的内陆网箱养殖区样本库;利用样本库训练内陆网箱养殖区提取的深度学习全卷积网络(fully convolutional networks,FCN)模型并开展精度验证.结果显示,GF-1影像提取结果的F值达到83.37％,GF-2影像提取结果的F值达到92.56％.表明基于FCN的高分影像内陆网箱养殖区提取具有较高的精度,能够进行大规模内陆网箱养殖区提取应用,为内陆水产养殖区的监测提供重要依据.
文献关键词：
深度学习;全卷积网络模型;数据增强;高分辨率遥感影像;GF卫星;内陆网箱养殖区;养殖区提取
中图分类号：
作者姓名：
李连伟;张源榆;岳增友;薛存金;付宇轩;徐洋峰
作者机构：
中国石油大学(华东)海洋与空间信息学院,山东青岛266580;微山县自然资源和规划局,山东济宁277600;中国科学院空天信息创新研究院,北京100094;中国科学院数字地球重点实验室,北京100094
文献出处：
引用格式：
[1]李连伟;张源榆;岳增友;薛存金;付宇轩;徐洋峰-.基于全卷积网络模型的高分遥感影像内陆网箱养殖区提取)[J].山东科学,2022(02):1-10
A类：
内陆网箱养殖区,养殖区提取
B类：
全卷积网络模型,高分遥感影像,快速提取,内陆水,水域,GF,过旋,缩放,镜像,数据增强,样本库,fully,convolutional,networks,FCN,精度验证,影像提取,高分影像,提取应用,水产养殖,高分辨率遥感影像
AB值：
0.161738
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。
