基于CNN模型的遥感影像液气贮存设备识别 |
| |
引用本文: | 李梦梦,陈超,陶旸.基于CNN模型的遥感影像液气贮存设备识别[J].地理空间信息,2023(5):110-113. |
| |
作者姓名: | 李梦梦 陈超 陶旸 |
| |
作者单位: | 江苏省基础地理信息中心 |
| |
摘 要: | 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。
|
关 键 词: | CNN 迁移学习 遥感目标检测 液气贮存设备 |
|
|