本文關鍵詞：基于深度學習的農(nóng)村建筑物遙感影像檢測

  更多相關文章： 遙感影像 建筑物 檢測 卷積神經(jīng)網(wǎng)絡

【摘要】：如何快速高效地從遙感影像中檢測農(nóng)村建筑物對農(nóng)村地區(qū)發(fā)展研究有著重要意義。傳統(tǒng)的目標檢測依賴人工提取特征并不能充分挖掘數(shù)據(jù)之間的關聯(lián),以至于檢測精度不高。本文利用建筑物和非建筑物影像在Caffe深度學習框架下對幾種卷積神經(jīng)網(wǎng)絡進行訓練和測試,改進后的Caffe Net網(wǎng)絡結構提高了建筑物訓練和測試速度。通過對比兩個結構相似的神經(jīng)網(wǎng)絡,發(fā)現(xiàn)將池化層置于歸一層前能顯著提升卷積神經(jīng)網(wǎng)絡在遙感影像檢測中的精度。實驗結果表明,改進后的Caffe Net性能得到了提升,檢測精度達到了95.00%,更適合大量數(shù)據(jù)的訓練和測試。
【作者單位】： 四川金土地實業(yè)有限公司;
【關鍵詞】： 遙感影像 建筑物 檢測 卷積神經(jīng)網(wǎng)絡
【分類號】：TP751
【正文快照】： 1 引言 過去,高分辨率的遙感影像往往只針對于經(jīng)濟發(fā)展較快的城市地區(qū),而農(nóng)村地區(qū)則少有數(shù)據(jù)。隨著遙感技術的快速發(fā)展,高分辨率遙感影像數(shù)據(jù)急劇增加,為農(nóng)村區(qū)域的遙感影像目標解譯提供了可能[1-2]。 在遙感影像中,建筑物表現(xiàn)為具有一定面積、長度和寬度的面狀地物,傳統(tǒng)的，

本文編號：926525