基于卫星数据使用深度学习对住宅建筑和非住宅建筑进行分类
计算机视觉与模式识别
2024-11-12 v1 图像与视频处理
摘要
对建筑进行准确的住宅与非住宅分类对于城市规划、基础设施建设、人口估计和资源分配至关重要。手动使用卫星数据对住宅和非住宅建筑进行自动分类工作相当繁琐。本文提出一种新颖的深度学习方法，结合高分辨率卫星数据（50厘米分辨率图像 + 1米网格间隔 DEM）和矢量数据，以实现高性能的建筑分类。我们的体系结构利用 LeakyReLU 和 ReLU 激活函数捕捉数据中的非线性，并采用特征工程技术消除高度相关特征，从而提高计算效率。在大规模数据集上的实验结果表明，我们模型的有效性，实现了令人瞩目的整体 F1 分数为 0.9936。该方法提供了一个可扩展且精确的建筑分类解决方案，使城市规划和资源分配能够得到明智的决策。该研究为城市分析领域提供了一种宝贵的工具，用于理解建成环境并优化资源利用。
关键词
引用
@article{arxiv.2411.06879,
title = {Classification of residential and non-residential buildings based on satellite data using deep learning},
author = {Jai G Singla},
journal= {arXiv preprint arXiv:2411.06879},
year = {2024}
}