首页|基于改进DeepLabv3plus算法的遥感图像海岛建筑提取方法

基于改进DeepLabv3plus算法的遥感图像海岛建筑提取方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
目前海岛经济快速发展,为避免海岛建筑无序扩建,了解海岛建筑分布特征尤为重要.机器学习方法是从高分遥感影像提取地物目标的常见方式,然而建筑物遥感特征复杂,机器学习方法出现鲁棒性差、难以充分挖掘深层次特征的弊端.文章提出基于DeepLabv3plus网络模型的深度学习语义分割方法提取海岛建筑,并对网络结构进行改进,使用组归一化(GN)方法替代批归一化(BN)以适合小batch size下的语义分割操作.针对海岛建筑数据量较少的问题,采用迁移学习策略,设计基于多源数据的国内城市建筑数据集的预训练样本智能采集和标注方法,再人工标注中国部分海岛建筑进行算法实验.结果 表明,在batch size较小时,基于GN的DeepLabv3plus语义分割算法的平均精度和mIoU均得到提升,能够获得更为精确的像素级海岛建筑提取结果.
Extraction Method of Island buildings in Remote Sensing Images Based on Improved DeepLabv3plus Algorithm

王凌霄、贾婧

展开 >

中国海洋大学工程学院,山东青岛266100

DeepLabv3plus 样本自动标注 海岛建筑 语义分割 迁移学习

51908523

2021

10.13284/j.cnki.rddl.003365

热带地理
广州地理研究所

热带地理

CSTPCDCSCD北大核心
影响因子：0.953
ISSN：1001-5221
年,卷(期)：2021.41(4)
  • 1
  • 13