礦產(chǎn)資源衛(wèi)片執(zhí)法是資源監(jiān)管與保護(hù)的重要技術(shù)手段,而深度學(xué)習(xí)是當(dāng)前人工智能領(lǐng)域中的研究熱點(diǎn),為提高衛(wèi)片執(zhí)法效率、降低人力解譯工作量提供了可能。本文提出了一種基于Mask RCNN的遙感影像露天礦山疑似違法圖斑自動檢測提取方法,通過采集、擴(kuò)充、規(guī)范礦山樣本,制作特定的coco數(shù)據(jù)集輸入到Mask RCNN進(jìn)行有監(jiān)督學(xué)習(xí)訓(xùn)練。利用訓(xùn)練出的分類網(wǎng)絡(luò)模型進(jìn)行遙感影像礦山圖斑的自動提取,并以采礦權(quán)矢量圖層作為判定依據(jù),自動圈取影像中的疑似違法圖斑。經(jīng)實(shí)驗(yàn),本文方法的mAP精度達(dá)87%以上,高于傳統(tǒng)方法,對深度學(xué)習(xí)在衛(wèi)片執(zhí)法中的應(yīng)用研究作出了有效實(shí)踐。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1 Mask RCNN網(wǎng)絡(luò)結(jié)構(gòu)圖

上式中，Lclass表示分類識別的損失，本文采用softmax的分類交叉熵形式表示；Lbbox表示邊框回歸的損失，邊框回歸的目的是增大輸出邊框與真實(shí)邊框之間的重疊度；Lmask表示掩膜的損失，根據(jù)RoI中每個(gè)像素點(diǎn)計(jì)算sigmoid形式的平均二值交叉熵得出，該定義允許每個(gè)類都生成....

圖2 ResNet結(jié)構(gòu)示意圖

圖1MaskRCNN網(wǎng)絡(luò)結(jié)構(gòu)圖1.3網(wǎng)絡(luò)模型

圖3 礦山提取效果圖

1）人工解譯遙感影像制作礦山圖斑，并切割為512×512尺寸的小樣本，樣本包含tif影像和shp矢量文件。2）擴(kuò)充樣本，對樣本進(jìn)行旋轉(zhuǎn)、翻轉(zhuǎn)操作。

本文編號：4027396