典型文献
基于ED-DNN的农村公路遥感图像信息提取方法
文献摘要：
由于农村道路具有位置特殊、结构和材质多样且差异大等特点,使得高精度遥感图像在提取农村公路信息中混入大量噪声,造成影像特征聚类和分割模糊,难以保证路网提取精度.因此,该文提出一种ED-DNN模型,在基础层次结构下,交叉采用池化层与卷积层作为网络隐藏层主要结构,提取遥感影像全局图像特征;在ED-DNN网络架构内部拟采用跳跃连接方式,结合深度神经网络架构内深层和浅层分辨率信息,提高路面影像分割的精细度.实例表明:采用ED-DNN模型提取道路信息具有良好的泛化能力,训练集准确率达到0.9982,损失值降低为0.0137,能准确地提取农村公路特征参数.
文献关键词：
农村公路;遥感影像;神经网络架构;ED-DNN
中图分类号：
作者姓名：
昌宏哲;杜红静;袁洋
作者机构：
河南省交通运输厅公路管理局 郑州市 450018;河南交通发展研究院有限公司 郑州市 450018
文献出处：
引用格式：
[1]昌宏哲;杜红静;袁洋-.基于ED-DNN的农村公路遥感图像信息提取方法)[J].勘察科学技术,2022(03):11-15
A类：
B类：
ED,DNN,农村公路,路遥,遥感图像,图像信息,信息提取,农村道路,混入,影像特征,特征聚类,路网提取,基础层,层次结构,池化,卷积层,主要结构,遥感影像,全局图,图像特征,跳跃连接,连接方式,深度神经网络架构,影像分割,精细度,取道,泛化能力,训练集,损失值
AB值：
0.41857
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。
