典型文献
基于DeepLabv3+的高分辨率遥感影像建筑物自动提取
文献摘要：
提出一种建筑物自动化提取架构,基于DeepLabv3+网络模型,使用WHU建筑物数据集,完成数据集增强、模型训练、建筑物提取以及精度评估.实验表明,架构中DeepLabv3+模型分类的总体精度为96.3％、准确度为94.2％、召回率为92.5％、F1得分为93.3％、交并比为87.5％,优于基于像素的分类方法(支持向量机、K均值聚类算法(K-Means))和面向对象的分类方法(最邻近节点算法(KNN)、分析与回归树)以及基于深度学习的分类方法(UNet、SegNet、PSPNet).文中构建的高分辨率遥感影像建筑物自动化提取模式,可以完成建筑物高精度高效率的提取任务.
文献关键词：
高分辨率遥感影像;建筑物提取;DeepLabv3+网络模型;深度学习
中图分类号：
作者姓名：
于明洋;张文焯;陈肖娴;刘耀辉
作者机构：
山东建筑大学 测绘地理信息学院,济南 250101;河北省地震动力学重点实验室,河北 三河 065201
文献出处：
引用格式：
[1]于明洋;张文焯;陈肖娴;刘耀辉-.基于DeepLabv3+的高分辨率遥感影像建筑物自动提取)[J].测绘工程,2022(04):1-10,17
A类：
B类：
DeepLabv3+,高分辨率遥感影像,自动提取,自动化提取,WHU,数据集增强,模型训练,建筑物提取,精度评估,模型分类,总体精度,召回率,交并比,像素,分类方法,均值聚类,聚类算法,Means,面向对象,点算,KNN,回归树,UNet,SegNet,PSPNet,提取模式
AB值：
0.36489
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
