典型文献
基于U-net模型的遥感影像建筑物提取
文献摘要:
使用基于全卷积神经网络的U-net模型提取遥感影像中的建筑物,采用公开的Massachusetts建筑物数据集进行模型的训练,并通过迁移学习的思想对网络的权重进行微调,以便快速高效地训练模型,从而输出更高的精度.实验结果显示,U-net模型在准确度、召回率和F1值三项精度指标中分别达到0.95852、0.88109和0.82123,与传统方法进行对比,建筑物的轮廓更加完整,准确度提高25%以上,召回率和F1值均提高2倍以上,适用于提取场景中的建筑物区域.
文献关键词:
建筑物提取;U-net;神经网络;深度学习
中图分类号:
作者姓名:
孙尚彪;张海明;熊灵华;张雨涵;钟林汕;王民水;王明常
作者机构:
吉林大学地球探测科学与技术学院,长春130026;自然资源部城市国土资源监测与仿真重点实验室,广东深圳518000
文献出处:
引用格式:
[1]孙尚彪;张海明;熊灵华;张雨涵;钟林汕;王民水;王明常-.基于U-net模型的遥感影像建筑物提取)[J].世界地质,2022(02):342-348
A类:
B类:
net,遥感影像,建筑物提取,全卷积神经网络,Massachusetts,迁移学习,微调,快速高效,训练模型,召回率,精度指标,加完
AB值:
0.288058
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。