典型文献
基于深度学习的生产建设项目扰动图斑自动识别分类
文献摘要：
扰动图斑是生产建设项目水土保持信息化监管基础数据.针对扰动图斑传统人机交互目视解译效率低、成果不统一等问题,基于深度学习原理,构建生产建设项目扰动图斑自动识别分类卷积神经网络模型,用以提高扰动图斑解译生产效率和成果质量.然后确定深度学习模型关键超参数-优化器算法、学习速率和批大小最优值.在此基础上经过150个训练轮次得到生产建设项目扰动图斑自动识别分类卷积神经网络模型,模型综合性能评价指标-精度值和损失值分别为0.952 6和0.167 0.模型在"检验样本集"应用效果表明:模型识别分类总体精度为97.52％,扰动样本查准率和查全率分别为72.44％和83.90％;模型识别分类结果与真实情况基本一致,漏分类、误分类比例相对较低,具有较强的泛化能力.这说明深度学习模型用于生产建设项目扰动图斑自动识别分类是实际可行的.研究成果为扰动图斑解译生产提供一种新方法,可为生产建设项目水土保持信息化监管提供重要技术支撑.
文献关键词：
卷积神经网络;深度学习模型;扰动图斑;高分遥感影像;水土保持;监管
中图分类号：
作者姓名：
金平伟;黄俊;姜学兵;亢庆;杨胜权;林丽萍;杨平;罗志铖;李乐;寇馨月;刘斌
作者机构：
珠江水利委员会珠江流域水土保持监测中心站,510611,广州;珠江水利委员会珠江水利科学研究院,510611,广州;贵州省水土保持科技示范园管理处,550002,贵阳
文献出处：
引用格式：
[1]金平伟;黄俊;姜学兵;亢庆;杨胜权;林丽萍;杨平;罗志铖;李乐;寇馨月;刘斌-.基于深度学习的生产建设项目扰动图斑自动识别分类)[J].中国水土保持科学,2022(06):116-125
A类：
B类：
生产建设项目,扰动图斑,自动识别,识别分类,水土保持信息化,信息化监管,人机交互,目视解译,学习原理,卷积神经网络模型,成果质量,定深,深度学习模型,超参数,优化器,学习速率,最优值,轮次,型综合,综合性能评价指标,损失值,样本集,模型识别,总体精度,查准率,查全率,真实情况,误分类,泛化能力,高分遥感影像
AB值：
0.234702
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。
