典型文献
U-Net模型在大范围建筑物信息提取中的应用
文献摘要：
建筑物的地理位置、面积等信息对灾害防御、应急救援及灾害评估有重要的意义.高分辨率卫星影像具有丰富的建筑物信息,可进行大范围批量化提取.使用深度学习模型对建筑物信息提取,可有效提高分割精度.为大范围获取建筑物信息,本文中以新疆伊犁州新源县为研究区,使用U-Net神经网络方法,进行批量化处理后计算出建筑物占地面积共计11 160 259 m2,占整个县域比例1.47‰,人均建筑占地面积为35.25 m2.研究表明建筑物提取总体精度达到97.9％,Kappa系数达到86.4％.本研究为自动化、大范围、高精度建筑物提取工作提供了新思路.
文献关键词：
建筑物;U-Net;深度学习;遥感影像
中图分类号：
作者姓名：
李越帅;张桉赫;张伟;贾东辉
作者机构：
新疆维吾尔自治区地震局,新疆乌鲁木齐830011
文献出处：
引用格式：
[1]李越帅;张桉赫;张伟;贾东辉-.U-Net模型在大范围建筑物信息提取中的应用)[J].内陆地震,2022(03):211-217
A类：
B类：
Net,信息提取,灾害防御,应急救援,灾害评估,高分辨率卫星影像,使用深度,深度学习模型,新疆伊犁州,新源县,神经网络方法,占地面积,建筑物提取,总体精度,Kappa,遥感影像
AB值：
0.278248
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。
