典型文献
一种改进DeepLabV3+网络的高分辨率遥感影像道路提取方法
文献摘要：
道路网络提取是高分辨率遥感影像数据应用研究的难点之一.针对现有的道路提取方法普遍注重区域精度而边界质量缺失考虑的问题,提出一种基于DeepLabV3+语义分割神经网络的深度学习提取道路的方法.该网络模型采用编码器-解码器网络(encoder-decoder)和多孔空间金字塔池(atrous spatial pyramid pooling,ASPP)相结合的方式,增强了对道路边界的划分效果.模型在Massachusetts roads数据集进行了道路网络提取实验.分析结果表明,基于该方法的道路提取精度优于U-Net等网络模型,F1分数达到87.27％,与其他方法相比较,该方法能够更有效、完整地从遥感图像中提取道路.
文献关键词：
编码器-解码器;多孔金字塔池化;道路提取;DeepLabV3+;深度学习
中图分类号：
作者姓名：
葛小三;曹伟
作者机构：
河南理工大学 自然资源部矿山时空信息与生态修复重点实验室,河南 焦作 454000;河南理工大学 测绘与国土信息工程学院,河南 焦作 454000
文献出处：
引用格式：
[1]葛小三;曹伟-.一种改进DeepLabV3+网络的高分辨率遥感影像道路提取方法)[J].遥感信息,2022(01):40-46
A类：
多孔金字塔池化
B类：
DeepLabV3+,高分辨率遥感影像,道路提取,道路网络,遥感影像数据,数据应用,区域精度,语义分割,取道,编码器,解码器,encoder,decoder,空间金字塔,atrous,spatial,pyramid,pooling,ASPP,道路边界,Massachusetts,roads,提取实验,Net,其他方法,整地,遥感图像
AB值：
0.368985
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。
