典型文献
基于优化HRNetV2的高分辨率遥感影像土地利用自动分类
文献摘要：
研究目的:基于语义分割模型HRNetV2实现高分辨率遥感影像的土地利用自动分类,以期推动深度学习语义分割方法实现遥感影像的土地利用自动分类研究,并为该类研究提供可参考的案例.研究方法:首先对语义分割模型HRNetV2从损失函数、特征提取方面进行优化,以提高模型的分割精度;其次用优化后的HRNetV2模型对民乐县2 m的高分辨率遥感影像进行土地利用分类,并基于混淆矩阵对分类的结果进行评估.研究结果:(1)优化后的HRNetV2语义分割模型的MIOU达81.9％,相较于优化前提高了4.4％,证明了优化方法的有效性;(2)针对民乐县进行的土地利用自动分类总体精度达89.72％,Kappa系数达0.888.研究结论:优化后的HRNetV2语义分割模型在高分辨率遥感影像的土地利用自动分类中具有较强的应用前景.
文献关键词：
土地信息;土地利用分类;高分辨率遥感影像;HRNetV2;多层次分辨率特征融合
中图分类号：
作者姓名：
常秀红;李纯斌;吴静;李颖;李全红
作者机构：
甘肃农业大学资源与环境学院,甘肃 兰州 730070
文献出处：
引用格式：
[1]常秀红;李纯斌;吴静;李颖;李全红-.基于优化HRNetV2的高分辨率遥感影像土地利用自动分类)[J].中国土地科学,2022(02):96-105
A类：
HRNetV2,多层次分辨率特征融合
B类：
高分辨率遥感影像,自动分类,研究目的,语义分割,分割模型,习语,分割方法,分类研究,损失函数,民乐县,土地利用分类,混淆矩阵,MIOU,总体精度,Kappa,土地信息
AB值：
0.161299
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。
