典型文献
滑坡提取卷积神经网络层深结构与显著性特征
文献摘要：
为了探究影响深度学习滑坡遥感提取的因素,滑坡提取精度随卷积核最优主分特征、层深结构、特征维数的变化规律,获取滑坡提取最优模型,研究深度学习滑坡提取机制.通过可视化卷积特征图和多维散点图技术揭示滑坡提取的地类混淆情况,进而选择支持向量机对深度学习模型的层深结构和特征图分类结果对比.结果 显示,18层的SegNet网络模型在样本数量30000时,F1分数为最高的75.38％,最佳滑坡特征分类卷积层层深位置较浅,高于其他层深卷积达10％.研究进一步挖掘出滑坡语义显著性特征,验证了深度学习方法的有效性并将拓宽其在遥感滑坡领域的应用范围,为构建滑坡深度卷积网络指数模型提供显著特征与层深结构基础.
文献关键词：
卷积神经网络;显著语义特征;层深结构;滑坡提取
中图分类号：
作者姓名：
李百寿;唐瑞鹏;张琼;谢跃辉;张越
作者机构：
桂林理工大学测绘地理信息学院,广西桂林541004;广西空间信息与测绘重点试验室,广西桂林541004
文献出处：
引用格式：
[1]李百寿;唐瑞鹏;张琼;谢跃辉;张越-.滑坡提取卷积神经网络层深结构与显著性特征)[J].测绘科学,2022(01):154-164
A类：
层深结构,显著语义特征
B类：
滑坡提取,网络层,显著性特征,探究影响,影响深度,遥感提取,卷积核,分特征,最优模型,研究深度,卷积特征,特征图,散点图,地类,深度学习模型,图分类,结果对比,SegNet,样本数量,滑坡特征,特征分类,卷积层,较浅,挖掘出,深度学习方法,深度卷积网络,网络指数,指数模型,显著特征
AB值：
0.330944
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。
