利用深度学习从遥感图像进行发电厂分类
信号处理
2023-04-19 v1 计算机视觉与模式识别
系统与控制
系统与控制
摘要
卫星遥感成像能够在全球尺度上对土地利用模式进行详细研究。我们探讨了通过从中分辨率遥感图像中识别工业场地的性质来提高传统土地利用分类信息内容的可能性。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发电厂进行分类。使用 ResNet-50 深度学习模型，我们在区分 10 种不同类型的发电厂和一个背景类别时达到了 90.0% 的平均准确率。此外，我们还能够以 87.5% 的平均准确率识别火电厂中使用的冷却机制。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，并证明了从免费获取的卫星图像在全球尺度上对工业场地进行分类的可行性。
引用
@article{arxiv.2107.10895,
title = {SAGE: A Split-Architecture Methodology for Efficient End-to-End Autonomous Vehicle Control},
author = {Arnav Malawade and Mohanad Odema and Sebastien Lajeunesse-DeGroot and Mohammad Abdullah Al Faruque},
journal= {arXiv preprint arXiv:2107.10895},
year = {2023}
}
备注
This article appears as part of the ESWEEK-TECS special issue and was presented in the International Conference on Hardware/Software Codesign and System Synthesis (CODES+ISSS), 2021