典型文献
基于DeeplabV3+的建筑垃圾堆放点识别
文献摘要：
针对遥感影像中建筑垃圾非法堆放,难以快速、准确、有效地识别建筑垃圾堆放的位置、类型、面积和体量等动态信息的问题.本文基于卷积神经网络模型,对多光谱遥感影像和全色遥感影像进行NNDiffuse算法融合处理,以提高图像分辨精度,并深入分析遥感影像中建筑垃圾堆放点的特征信息,采用DeeplabV3+网络模型,采用编码器将目标所需的浅层特征和高层语义特征相结合,从图像样本数据平衡的角度,调整样本权重系数,进一步提高识别精度.试验结果表明,使用DeeplabV3+网络对建筑垃圾堆放点的识别精度达82％,有利于实现建筑垃圾动态监测与管理.
文献关键词：
建筑垃圾;遥感影像;语义分割;DeeplabV3+;图像融合
中图分类号：
作者姓名：
刘小玉;刘扬;杜明义;张敏;贾竞珏;杨恒
作者机构：
北京建筑大学测绘与城市空间信息学院,北京102616;北京建筑大学北京未来城市设计高精尖创新中心,北京100044
文献出处：
引用格式：
[1]刘小玉;刘扬;杜明义;张敏;贾竞珏;杨恒-.基于DeeplabV3+的建筑垃圾堆放点识别)[J].测绘通报,2022(04):16-19,43
A类：
NNDiffuse
B类：
DeeplabV3+,建筑垃圾,垃圾堆,堆放点,遥感影像,动态信息,卷积神经网络模型,多光谱遥感,全色,算法融合,融合处理,特征信息,编码器,语义特征,像样,数据平衡,样本权重,权重系数,识别精度,语义分割,图像融合
AB值：
0.273976
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。
