典型文献
基于改进U-Net网络模型的高分影像养殖池塘提取
文献摘要：
针对养殖池塘提取难的问题,使用深度学习方法对高分辨率遥感影像中养殖池塘进行精细提取.研究基于0.5 m高分辨率遥感卫星影像,采用DenseNet网络结构作为U-Net网络模型的编码器,使用手工矢量化的养殖池塘样本对改进U-Net网络模型进行训练,并用训练后的网络模型对验证集影像中养殖池塘进行提取.结果表明,改进U-Net网络模型提取精确率、召回率、交并比分别达92.77％、92.21％、85.60％.与面向对象方法和D-LinkNet模型方法对比,改进U-Net网络模型效果最佳.该模型为养殖池塘精细提取提供了新的思路与方法,有利于推进渔业养殖资源确权调查及精细化管理.
文献关键词：
养殖池塘;深度学习;改进U-Net网络;高分辨率;精细提取
中图分类号：
作者姓名：
陈行;夏丽华;颜军;蒋晓旭;黄腾杰;邓剑文
作者机构：
广州大学地理科学与遥感学院/广东省农村水环境面源污染综合治理工程技术研究中心,广州 510006;珠海欧比特宇航科技股份有限公司,广东 珠海 519000
文献出处：
引用格式：
[1]陈行;夏丽华;颜军;蒋晓旭;黄腾杰;邓剑文-.基于改进U-Net网络模型的高分影像养殖池塘提取)[J].湖北农业科学,2022(20):166-171
A类：
B类：
高分影像,养殖池塘,使用深度,深度学习方法,高分辨率遥感影像,精细提取,高分辨率遥感卫星影像,DenseNet,编码器,矢量化,验证集,精确率,召回率,交并比,面向对象方法,LinkNet,模型方法,方法对比,思路与方法,渔业养殖,养殖资源,确权
AB值：
0.269971
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。
