基于 FastFCN 语义分割卫星影像的 LULC 分类
计算机视觉与模式识别
2022-02-25 v2 机器学习
摘要
本文分析了快速全卷积网络（FastFCN）对卫星影像进行语义分割从而分类土地利用/土地覆盖（LULC）类别的效果。在高分二号影像数据集（GID-2）上使用 Fast-FCN 将其分割为五类：建成区、草地、农田、水体与森林。结果显示其准确率（0.93）、精确率（0.99）、召回率（0.98）与平均交并比（mIoU）（0.97）均优于 FCN-8 或现成软件 eCognition 等其他方法。我们给出了结果间的对比。我们提出 FastFCN 是一种比现有 LULC 分类方法更快且更准确的自动化方法。
引用
@article{arxiv.2011.06825,
title = {LULC classification by semantic segmentation of satellite images using FastFCN},
author = {Md. Saif Hassan Onim and Aiman Rafeed Ehtesham and Amreen Anbar and A. K. M. Nazrul Islam and A. K. M. Mahbubur Rahman},
journal= {arXiv preprint arXiv:2011.06825},
year = {2022}
}