深度学习是实现遥感图像自动解译的重要途径,但遥感图像尺度往往较大,需要剪裁成小尺度图像进行训练预测,而不同的预测策略将影响最终的预测效果.本文论述了遥感图像语义分割的4种预测策略,并通过在国际摄影测量与遥感学会(Internationa...深度学习是实现遥感图像自动解译的重要途径,但遥感图像尺度往往较大,需要剪裁成小尺度图像进行训练预测,而不同的预测策略将影响最终的预测效果.本文论述了遥感图像语义分割的4种预测策略,并通过在国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing,ISPRS)波茨坦数据集上训练全卷积网络(fully convolutional network,FCN)、U-Net、SegNet和DenseASPP模型,对这些预测策略进行了评估.研究结果显示,使用预测增强技术相比不使用预测增强大约能提高2%~3%的分割精度,但随之而来的是需要消耗更多的计算资源.展开更多
文摘深度学习是实现遥感图像自动解译的重要途径,但遥感图像尺度往往较大,需要剪裁成小尺度图像进行训练预测,而不同的预测策略将影响最终的预测效果.本文论述了遥感图像语义分割的4种预测策略,并通过在国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing,ISPRS)波茨坦数据集上训练全卷积网络(fully convolutional network,FCN)、U-Net、SegNet和DenseASPP模型,对这些预测策略进行了评估.研究结果显示,使用预测增强技术相比不使用预测增强大约能提高2%~3%的分割精度,但随之而来的是需要消耗更多的计算资源.