深度学习googlenet模型支持下的中分辨率遥感影像自动分类
文献类型：期刊论文
| 作者 | 陈斌2; 王宏志2; 徐新良1 ; 王首泰2; 张亚庆1
|
| 刊名 | 测绘通报
 |
| 出版日期 | 2019 |
| 卷号 | 000期号:006页码:29 |
| ISSN号 | 0494-0911 |
| 英文摘要 | 提出了一种基于深度学习技术的遥感分类方法,它能有效解决中分辨率影像在分类过程中出现的像元混分问题.研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像,基于GoogleNet模型中的Inception V3网络结构,借助迁移学习方法,构建出遥感分类模型,实现了对武汉市主城区4类典型地物(不透水层、植被、水体和其他用地)的自动分类提取,并将分类结果与传统最大似然分类(ML)结果进行了对比分析.研究表明:基于深度学习方法的遥感影像总体分类精度高达88.33%,Kappa系数为0.8342,明显优于传统ML方法总体分类精度83%和Kappa系数0.7550,而且有效抑制了地物在分类过程中出现的像元混分现象. |
| 语种 | 英语 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/128627]  |
| 专题 | 中国科学院地理科学与资源研究所 |
| 作者单位 | 1.中国科学院地理科学与资源研究所 2.华中师范大学 |
| 推荐引用方式 GB/T 7714 | 陈斌,王宏志,徐新良,等. 深度学习googlenet模型支持下的中分辨率遥感影像自动分类[J]. 测绘通报,2019,000(006):29. |
| APA | 陈斌,王宏志,徐新良,王首泰,&张亚庆.(2019).深度学习googlenet模型支持下的中分辨率遥感影像自动分类.测绘通报,000(006),29. |
| MLA | 陈斌,et al."深度学习googlenet模型支持下的中分辨率遥感影像自动分类".测绘通报 000.006(2019):29. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。