基于优化神经网络的遥感影像语义分割算法

利用机器学习技术可以自动化地识别地表覆盖物,减轻人力成本和减少人为误差,加快测绘、国防、农业和防灾减灾等各个领域的数字化转型。遥感影像地表覆盖物的分类算法已经得到了一定的发展,但具体到应用场景中,受制于模型效率,自动化水平仍不高。为了保证训练产生的机器学习模型可以稳定、快速地服务于上述的领域,本文针对机器学习模型在训练、测试阶段的优化进行了探索,从而保证模型可更高效稳定地在有限的硬件资源上运行。通过本文介绍的优化方法,模型的训练速度得到了提升,模型占用的空间得到了减小,模型的推理速度得到了提高,并且保证了模型的精度几乎不受影响。