典型文献
基于CNN模型迁移的OLI影像光伏电池板场景识别
文献摘要：
获取光伏电池板的空间分布及动态变化信息对于国土调查、资源环境监测和能源结构评估具有重要意义,然而,传统的光伏电池板的识别依赖于人工设计的中低层次特征,无法克服对象光谱不确定性、空间结构类型复杂等难题,算法普遍存在稳健性不强、效率不高等问题.目前,基于场景单元从遥感影像中提取空间信息,多数算法仅建立在少数标准数据集上,未考虑实际应用中遥感图像质量、空间分辨率等因素对图像场景深度特征表达的影响,制约了遥感技术在城市结构、经济社会知识挖掘方面的深入应用.针对以上情况,本文基于卷积神经网络(CNN)采用迁移学习和模型微调的策略,在中等分辨率的Landsat影像上进行光伏电池板场景识别.结果表明,本文方法能够提取电站场景的多层次特征,在形态结构复杂的电站场景中取得了较好的识别效果.
文献关键词：
迁移学习;卷积神经网络;光伏电池板;中等分辨率遥感影像;场景尺度
中图分类号：
作者姓名：
王胜利;朱寿红;蒋毅
作者机构：
江苏省地质测绘院,江苏 南京211102;江苏省兰德土地工程技术有限公司,江苏 南京210019
文献出处：
引用格式：
[1]王胜利;朱寿红;蒋毅-.基于CNN模型迁移的OLI影像光伏电池板场景识别)[J].测绘通报,2022(02):5-9
A类：
中等分辨率遥感影像,场景尺度
B类：
模型迁移,OLI,光伏电池板,场景识别,国土调查,资源环境,环境监测,能源结构,结构评估,中低层,低层次,结构类型,效率不高,空间信息,数算,标准数据集,遥感图像,图像质量,空间分辨率,景深,深度特征,特征表达,遥感技术,城市结构,社会知识,知识挖掘,迁移学习,模型微调,Landsat,站场,多层次特征,形态结构
AB值：
0.317535
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。
