基于ResNet-UNet的地表覆盖自动分类技术研究

申传庆; 王凯; 王文杰

您当前的位置：

首页 >

文章列表页 >

基于ResNet-UNet的地表覆盖自动分类技术研究

技术热点研究 | 更新时间：2025-11-25

- 基于ResNet-UNet的地表覆盖自动分类技术研究
- 基于ResNet-UNet的地表覆盖自动分类技术研究
- 地理空间信息 2023年21卷第6期页码：21-23+27
- 作者机构：
  
  自然资源部陕西基础地理信息中心
- 作者简介：
- 基金信息：
  
  陕西省测绘地理信息局2020年科技资助项目（SCK2020-12）
- DOI：
  中图分类号： P237;TP751
- 纸质出版：2023
- 稿件说明：
移动端阅览
申传庆, 王凯, 王文杰. 基于ResNet-UNet的地表覆盖自动分类技术研究[J]. 地理空间信息, 2023,21(6):21-23+27.

申传庆, 王凯, 王文杰. 基于ResNet-UNet的地表覆盖自动分类技术研究[J]. 2023, 21(6): 21-23+27.
申传庆, 王凯, 王文杰. 基于ResNet-UNet的地表覆盖自动分类技术研究[J]. 地理空间信息, 2023,21(6):21-23+27. DOI：

申传庆, 王凯, 王文杰. 基于ResNet-UNet的地表覆盖自动分类技术研究[J]. 2023, 21(6): 21-23+27. DOI：

摘要

针对地表覆盖分类数据生产应用需求，利用深度学习语义分割网络对遥感影像进行地表覆盖自动分类，以提高地表覆盖分类数据生产效率。提出了样本采集相关原则，形成了地表覆盖分类样本数据集，研究了基于深度学习语义分割网络的关键技术，构建了ResNet-UNet自动分类网络组合，并探索出了一套从样本采集、网络构建、模型训练、模型推理到分类数据后处理的地表覆盖自动分类技术流程。选取了局部区域的资源三号（ZY-3）卫星遥感影像作为实验对象，并利用训练后的最优模型开展了地表覆盖自动分类实验和验证，实验结果表明，基于ResNet101-UNet网络模型的地表覆盖自动分类技术能够提高地表覆盖分类的效率和精度，具备一定的应用潜力，可在实际工程中进行应用探索。

Abstract

关键词

Keywords

references

吕玉娜.面向深度学习的甘肃省遥感影像样例库建设[D].甘肃农业大学,2019(02).

Gang Fu,Changjun Liu,Rong Zhou,Tao Sun,Qijian Zhang,Qi Wang,Nicolas H. Younan,Carlos López-Martínez,Lenio Soares Galvao,Prasad S. Thenkabail.Classification for High Resolution Remote Sensing Imagery Using a Fully Convolutional Network[J].Remote Sensing,2017.

林晓萍.基于深度学习的耕地新增建房监测研究[J].地理空间信息,2021(11).

郑远攀,李广阳,李晔.深度学习在图像识别中的应用研究综述[J].计算机工程与应用,2019(12).

张兵.遥感大数据时代与智能信息提取[J].武汉大学学报(信息科学版),2018(12).

张军阳,王慧丽,郭阳,扈啸.深度学习相关研究综述[J].计算机应用研究,2018(07).

浏览量

576

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于UNet的差值影像变化检测试验与分析

利用轻量化卷积神经网络提取东部平原湖泊

基于注意力机制的遥感影像道路提取方法

场景分类驱动的遥感影像建筑物变化检测

基于矢量数据与深度学习的非农化检测方法