基于CNN模型的遥感影像液气贮存设备识别

基于卷积神经网络（CNN）进行遥感影像液气贮存设备提取。基于0.3 m、0.5 m、2.1 m分辨率的多源遥感影像，通过训练CNN模型来提取液气贮存设备，检测精度F值分别为0.78、0.77和0.36；基于0.3 m、0.5 m、1 m分辨率的无人机影像，训练得到不同的CNN模型，迁移学习至0.8 m分辨率的高分影像上进行液气贮存设备识别，检测精度F值分别为0.08、0.73和0.71。结果表明，CNN模型可有效提取液气贮存设备，且训练样本包含的信息越均一，识别精度越高；CNN模型对多源遥感影像具有较好的迁移学习能力，在遥感影像典型目标识别与提取方面具有较好的应用前景。