首页|基于DeeplabV3+的建筑垃圾堆放点识别

基于DeeplabV3+的建筑垃圾堆放点识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对遥感影像中建筑垃圾非法堆放,难以快速、准确、有效地识别建筑垃圾堆放的位置、类型、面积和体量等动态信息的问题.本文基于卷积神经网络模型,对多光谱遥感影像和全色遥感影像进行NNDiffuse算法融合处理,以提高图像分辨精度,并深入分析遥感影像中建筑垃圾堆放点的特征信息,采用DeeplabV3+网络模型,采用编码器将目标所需的浅层特征和高层语义特征相结合,从图像样本数据平衡的角度,调整样本权重系数,进一步提高识别精度.试验结果表明,使用DeeplabV3+网络对建筑垃圾堆放点的识别精度达82％,有利于实现建筑垃圾动态监测与管理.
Research on construction and demolition waste stacking point identification based on DeeplabV3+

刘小玉、刘扬、杜明义、张敏、贾竞珏、杨恒

展开 >

北京建筑大学测绘与城市空间信息学院,北京102616

北京建筑大学北京未来城市设计高精尖创新中心,北京100044

建筑垃圾 遥感影像 语义分割 DeeplabV3+ 图像融合

国家重点研发计划北京建筑大学市属高校基本科研业务费专项促进高校内涵发展定额项目

2108YFC0706003X2007031081021004

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(4)
  • 4
  • 10