利用多尺度挤压激励网络提取煤矿采场

马世斌; 辛荣芳; 李宗仁; 黄丽; 王泰山; 孔德才

您当前的位置：

首页 >

文章列表页 >

利用多尺度挤压激励网络提取煤矿采场

技术热点研究 | 更新时间：2026-05-30

- 利用多尺度挤压激励网络提取煤矿采场
- 利用多尺度挤压激励网络提取煤矿采场
- 地理空间信息 2026年24卷第5期页码：16-20
- 作者机构：
  
  1. 青海省地质调查院
  2. 青海省青藏高原北祁连地质过程与矿产资源重点实验室
  3. 青海省遥感大数据工程技术研究中心
- 作者简介：
- 基金信息：
  
  2025年青海省“昆仑英才·高端创新创业人才”拔尖人才专项资金资助项目
- DOI：
  中图分类号： TP183;TP751;TD82
- 纸质出版：2026
- 稿件说明：
移动端阅览
马世斌, 辛荣芳, 李宗仁, 等. 利用多尺度挤压激励网络提取煤矿采场[J]. 地理空间信息, 2026,24(5):16-20.

马世斌, 辛荣芳, 李宗仁, et al. 利用多尺度挤压激励网络提取煤矿采场[J]. 2026, 24(5): 16-20.
马世斌, 辛荣芳, 李宗仁, 等. 利用多尺度挤压激励网络提取煤矿采场[J]. 地理空间信息, 2026,24(5):16-20. DOI：

马世斌, 辛荣芳, 李宗仁, et al. 利用多尺度挤压激励网络提取煤矿采场[J]. 2026, 24(5): 16-20. DOI：

摘要

由于采场目标规模庞大、场景复杂度高，传统方法往往难以实现完整且准确的提取。提出了一种基于深度卷积神经多尺度挤压激励（SE）网络的高分辨率遥感影像煤矿采场提取方法。以U-Net语义分割网络为框架，以EfficientNet-B3网络为骨干网络，通过精心设计并引入SE结构，更有效地挖掘多层次多尺度的特征信息，从而提升采场提取的精度和完整性。为深入分析引入SE模块的特征提取效果，设计了未引入多尺度策略、引入多尺度策略1、同时引入多尺度策略1和2的对比实验。结果显示，3种模型的平均交并比分别为0.751 9、0.799 8和0.810 4，准确率分别为0.969 2、0.978 5和0.989 0，说明该模型可有效提升采场提取的完整性和准确性。

Abstract

关键词

Keywords

references

李莹.基于深度学习的煤矸石目标检测方法研究[D].西安科技大学,2020(01).

余俊峰.基于机器学习的煤矸石图像识别方法研究[D].安徽理工大学,2020(04).

于晨.典型矿山环境遥感地物智能识别方法的研究[D].中国地质大学(北京),2020(11).

程璐.面向对象结合支持向量机（SVM）在露天矿区信息提取中的应用研究[D].青海大学,2017(12).

祝振江.基于面向对象分类法的高分辨率遥感影像矿山信息提取应用研究[D].中国地质大学（北京）,2010(08).

孙凌辉,赵丽科,李琛,成子怡.融入CBAM的Res-UNet高分辨率遥感影像语义分割模型[J].地理空间信息,2024(02).

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(06).

荆平平,李兵,贾宗仁,王厚军.基于无人机遥感的信息提取研究[J].测绘与空间地理信息,2017(12).

胡锋.基于多光谱成像和深度学习的煤矸识别研究[D].安徽理工大学,2020(03).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

引入注意力机制的高光谱影像分类空洞卷积网络

顾及深度残差U-Net的遥感影像建筑物提取

基于GNSS-R数据和机器学习算法探测森林火灾研究

流形学习和卷积神经网络的农作物精细分类

利用神经网络描述符改进的山区影像匹配方法