典型文献
基于Deeplab V3+模型的高分辨率遥感影像道路损毁信息提取
文献摘要：
破坏性地震发生后,道路是抗震救灾的"生命线",能够第一时间获取震后的道路损毁信息,就能在很大程度上减少生命和财产的损失.针对目前震害提取方法精度低、人工参与多及用时较长的问题,提出了基于Deeplab V3+深度学习网络模型的震后单时相高分辨率遥感影像道路震害信息提取方法.该方法充分挖掘了多尺度的上下文信息,逐步重构空间信息以便更好地捕捉道路边界,从而提高道路震害信息提取精度.以2013年四川省雅安市芦山7.0级地震为例,通过选取山区、平原以及城市内部不同等级的道路高分影像样本,创建模型训练的样本集.为了进一步验证Deeplab V3+模型的效果,选择目前较为主流的FCN模型与Deeplab V3+模型进行对比.经多次训练和精度分析,综合考虑模型精度和训练量、训练次数的关系,最终选择7528对训练样本集、100000训练次数和总精度达到95％的Deeplab V3+模型作为最佳模型.然后,将训练后的最佳Deeplab V3+模型应用到提取震后无人机道路损毁信息.将人工目视解译的结果作为模型提取精度评价的标准,对比分析后Deeplab V3+模型的震后高分遥感影像道路损毁信息提取精度可达88％.结果表明,基于Deeplab V3+模型的道路震害提取方法具有较高的准确率和普适性,可在震后道路损毁信息的快速提取中推广应用.
文献关键词：
Deeplab V3+;高分遥感影像;道路;2013年芦山7.0级地震
中图分类号：
作者姓名：
陈丹丹;窦爱霞;王鑫
作者机构：
中国地震局地震预测研究所,北京 100036
文献出处：
引用格式：
[1]陈丹丹;窦爱霞;王鑫-.基于Deeplab V3+模型的高分辨率遥感影像道路损毁信息提取)[J].地震,2022(02):171-189
A类：
震害提取
B类：
Deeplab,V3+,高分辨率遥感影像,路损,损毁,破坏性,抗震救灾,生命线,时间获取,震后,前震,深度学习网络,震害信息提取,上下文信息,空间信息,道路边界,雅安市,芦山,级地震,原以,市内,不同等级,高分影像,像样,创建模型,模型训练,FCN,精度分析,模型精度,训练量,训练样本集,模型应用,目视解译,精度评价,高分遥感影像,快速提取
AB值：
0.271897
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。
