查看更多>>摘要:土地覆盖分类是全球变化研究的核心,精准分类是开展土地覆盖分类变化研究的基础.基于此,本文以Deeplab-v3+模型为基础,在编码阶段改进ASPP模型,并采用Xception-ResNet结合的网络结构,解码阶段引入跃层特征融合优化模块,得到改进后的Deeplab-v3+模型,对研究区进行土地覆盖分类提取.结果表明:改进后的模型分类精度为82.93%,训练速度为7 h 22 min,相比原始模型分别提高了4%,模型训练速度提升了25%.综上可知,改进后的Deeplab-v3+模型可以实现快速且高精度的土地覆盖分类,可为土地覆盖分类研究提供技术支持.