基于深度学习的大尺度土地利用快速精确制图方法
计算机视觉与模式识别
2019-08-12 v1
摘要
土地利用图是反映人类土地用途与转变的重要数据，可为土地利用规划提供宝贵参考。对于传统图像分类方法，制作大尺度高空间分辨率（HSR）土地利用图是一项需耗费大量人力、时间与财力的大工程。深度学习技术的兴起为上述问题提供了新解法。本文提出一种基于深度卷积神经网络（DCNN）的能够快速精确实现大尺度土地利用分类的方法。针对遥感深度学习特有的多通道数据与拼接边缘效应，我们优化了数据分块方法与DCNN结构，提升了土地利用分类精度。我们将改进方法应用于中国广东省的GF-1影像，取得了81.52%的土地利用分类精度，且仅耗时13小时即可完成，而人工完成需数月之久。
引用
@article{arxiv.1908.03438,
title = {A Fast and Precise Method for Large-Scale Land-Use Mapping Based on Deep Learning},
author = {Xuan Yang and Zhengchao Chen and Baipeng Li and Dailiang Peng and Pan Chen and Bing Zhang},
journal= {arXiv preprint arXiv:1908.03438},
year = {2019}
}
备注
Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2019