典型文献
基于D-LinkNet和Deeplab网络模型的土地利用信息自动化提取研究
文献摘要：
为探索利用深度学习网络模型快速、定性且定量地提取耕地、园地、林地、交通运输用地、建设用地以及水域等土地利用变化信息,实现对耕地"非粮化"和"非农化"的实时监测监管,从而为国家粮食安全问题提供科技支撑.本研究基于D-LinkNet和Deeplab网络模型分别对高分辨率遥感影像进行深度学习,通过相同对象拥有类似的形状和纹理等特征的原理,自动识别不同的学习对象,从而实现面向高分辨率遥感影像的土地利用信息自动分类.在此基础上,为校验2个模型的学习能力,以江苏省常州市金坛区为例,对比分析了 D-LinkNet和Deeplab网络模型在土地利用信息分类上的能力.结果表明,Deeplab模型比D-LinkNet模型的分类结果整体性更强,分类准确率达88％.同时,Deeplab模型的边界信息损失相对较少,分类图斑的破碎程度相对更低,分类精度更高,更能满足土地利用信息自动提取的需求.
文献关键词：
深度学习;D-LinkNet;Deeplab;土地利用;耕地;信息自动化提取
中图分类号：
作者姓名：
彭慧;管佳;闫保银
作者机构：
江苏省国土资源研究中心,江苏南京210017;南京国图信息产业有限公司,江苏南京210019
文献出处：
引用格式：
[1]彭慧;管佳;闫保银-.基于D-LinkNet和Deeplab网络模型的土地利用信息自动化提取研究)[J].江苏农业科学,2022(24):174-178
A类：
B类：
LinkNet,Deeplab,信息自动化提取,深度学习网络,园地,林地,建设用地,水域,土地利用变化,非粮化,非农化,监测监管,国家粮食安全,科技支撑,高分辨率遥感影像,同对,自动识别,信息自动分类,校验,江苏省常州市金坛区,信息分类,分类准确率,信息损失,图斑,破碎程度,分类精度,自动提取
AB值：
0.287278
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。
