典型文献
基于深度学习的遥感影像地类信息获取技术现状研究
文献摘要：
基于图像特征的地类识别技术精度低且复杂度高,难以满足土地利用动态监测的实时性要求.而基于深度学习的遥感影像地类识别技术数据处理及特征提取能力较强,能够有效提升识别精度,使地类信息获取更加智能化,因而被广泛应用于遥感影像地类处理.根据地类识别技术不同,可以分为遥感影像分割、遥感影像分类以及目标监测三种方式.每类识别技术根据训练数据是否有标注可以分为有监督学习、半监督学习以及无监督学习三种类型.通过对相关技术和文献的调研和分析,介绍各种深度学习模型的理论基础与基本结构,总结国内外基于深度学习的遥感影像地类识别方法的优缺点,并指出未来的发展方向.
文献关键词：
遥感影像;地类识别;深度学习;自然资源监测
中图分类号：
作者姓名：
王本礼;王也
作者机构：
湖南省第二测绘院湖南长沙410119;自然资源湖南省卫星应用技术中心,湖南长沙410009;湖南仁晟设计有限公司,湖南长沙410018
文献出处：
引用格式：
[1]王本礼;王也-.基于深度学习的遥感影像地类信息获取技术现状研究)[J].国土资源导刊,2022(04):74-80
A类：
地类识别
B类：
信息获取,技术现状,现状研究,图像特征,技术精度,技术数据,特征提取能力,识别精度,根据地,遥感影像分割,遥感影像分类,目标监测,每类,训练数据,有监督学习,半监督学习,无监督学习,三种类型,深度学习模型,基本结构,自然资源监测
AB值：
0.260914
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。
