基于深度学习的遥感图像电厂分类
计算机视觉与模式识别
2021-07-26 v1 图像与视频处理
摘要
卫星遥感成像使得在全球尺度上详细研究土地利用模式成为可能。我们研究了通过从中分辨率遥感图像中识别工业场所的性质来提高传统土地利用分类信息含量的可能性。在这项工作中，我们专注于从Sentinel-2成像数据中对不同类型的电厂进行分类。使用ResNet-50深度学习模型，我们能够在区分10种不同的电厂类型和一个背景类别时达到90.0%的平均准确率。此外，我们能够以87.5%的平均准确率识别火电厂所使用的冷却机制。我们的结果使我们能够从Sentinel-2成像数据中定性研究能源结构，并证明了从免费可用的卫星图像中对全球范围内的工业场所进行分类的可行性。
引用
@article{arxiv.2107.10894,
title = {Power Plant Classification from Remote Imaging with Deep Learning},
author = {Michael Mommert and Linus Scheibenreif and Joëlle Hanna and Damian Borth},
journal= {arXiv preprint arXiv:2107.10894},
year = {2021}
}
备注
Presented at the 2021 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)