| 基于深度学习AlexNet的遥感影像地表覆盖分类评价研究 |
| |
| 引用本文： | 党宇,张继贤,邓喀中,赵有松,余凡. 基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J]. 地球信息科学学报, 2017, 19(11): 1530-1537. DOI: 10.3724/SP.J.1047.2017.01530 |
| |
| 作者姓名： | 党宇 张继贤 邓喀中 赵有松 余凡 |
| |
| 作者单位： | 1. 中国矿业大学,徐州2211162. 国家测绘产品质量检验测试中心,北京1008303. 中国测绘科学研究院,北京100830 |
| |
| 基金项目： | 国家自然科学基金项目（41671440） |
| |
| 摘 要： | 地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用AlexNet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习AlexNet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。
|
| 关 键 词： | 深度学习 地理国情普查 地表覆盖分类 质量评价 AlexNet |
| 收稿时间： | 2017-07-07 |
Study on the Evaluation of Land Cover Classification using Remote Sensing Images Based on AlexNet |
| |
| DANG Yu,ZHANG Jixian,DENG Kazhong,ZHAO Yousong,YU Fan. Study on the Evaluation of Land Cover Classification using Remote Sensing Images Based on AlexNet[J]. Geo-information Science, 2017, 19(11): 1530-1537. DOI: 10.3724/SP.J.1047.2017.01530 |
| |
| Authors: | DANG Yu ZHANG Jixian DENG Kazhong ZHAO Yousong YU Fan |
| |
| Affiliation: | 1. China University of Mining and Technology, Xuzhou 221116, China2. National Quality Inspection and Testing Center for Surveying and Mapping Products, Beijing 100830, China3. Chinese Academy of Surveying and mapping, Beijing 100830, china |
| |
| Abstract: | |
| |
| Keywords: | deep learning national geographic census land cover classification quality evaluation AlexNet |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《地球信息科学学报》浏览原始摘要信息 |
|
点击此处可从《地球信息科学学报》下载全文 |
|
