基于Transformer的成都市地物分类技术 |
| |
引用本文: | 刘琦,杨小华,陈柏行,邱姝月,张攀,杨茜.基于Transformer的成都市地物分类技术[J].地理空间信息,2023(12):51-53. |
| |
作者姓名: | 刘琦 杨小华 陈柏行 邱姝月 张攀 杨茜 |
| |
作者单位: | 1.成都市规划编制研究和应用技术中心610041;2.航天宏图信息技术股份有限公司100195; |
| |
基金项目: | 四川省测绘地理信息协会开放基金资助项目(CCX202101)。 |
| |
摘 要: | 常用的人工判读方式需要耗费大量的人力资源,成本高且周期长。针对这些问题,基于视觉Transformer的深度学习网络模型对成都市重点区域开展典型地物要素分类,智能提取耕地、林地、道路、大棚、水体等8类地物的分布情况,并通过规则化算法对建筑提取结果进行优化。实验结果表明该方法的分类精度达到84.25%,较U-Net、HRNet、DeeplabV3+分类精度更高,且对成都市约6 400 km2重点区域的分类时间约为2 h,具有较高的精度和效率,能够辅助成都市高效率、大范围、高频次的监测重点区域地物。
|
关 键 词: | 深度学习 遥感 语义分割 Transformer 地物分类 |
本文献已被 维普 等数据库收录! |
|