典型文献
改进LinkNet的高分辨率遥感影像建筑物提取方法
文献摘要：
针对现有的遥感影像建筑物提取方法存在着效率低下、精度不高等问题,该文利用轻量型分割网络LinkNet框架构建出新的建筑物提取全卷积网络.设计三层卷积模块替换LinkNet中的残差层作为新的编码块,有效减少网络参数,加快了网络训练速度;融合增强感受野模块聚合多尺度上下文信息,有利于图像特征细节的恢复,从而提高网络分割精度;综合上述两点构建出基于深度学习的高性能建筑物自动提取网络.在相应建筑物数据集上进行实验结果表明,本文构建的全卷积网络比已有的建筑物提取网络SE-Unet综合预测精度更高,取得82.80％的均交并比和95.99％的召回率,同时,在提取建筑物的完整度、边界分割精度等方面具有较好的效果.
文献关键词：
遥感影像;建筑物提取;三层卷积模块;增强感受野模块;深度学习
中图分类号：
作者姓名：
张立亭;孔文学;罗亦泳;邓先金;夏文生
作者机构：
东华理工大学 测绘工程学院,南昌 330013
文献出处：
引用格式：
[1]张立亭;孔文学;罗亦泳;邓先金;夏文生-.改进LinkNet的高分辨率遥感影像建筑物提取方法)[J].测绘科学,2022(09):120-127,145
A类：
三层卷积模块,增强感受野模块
B类：
LinkNet,高分辨率遥感影像,建筑物提取,轻量型,分割网络,框架构建,全卷积网络,网络参数,网络训练,训练速度,融合增强,多尺度上下文,上下文信息,图像特征,两点,自动提取,SE,Unet,均交并比,召回率,完整度,界分
AB值：
0.23628
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。
