期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BAU-Net的高分辨率遥感图像中建筑物的分割提取
被引量:
5
1
作者
李林祥
袁毅
温淑焕
《燕山大学学报》
CAS
北大核心
2021年第4期335-342,共8页
高分辨率遥感图像中建筑物的分割提取是现代数字化城市建设、经济预测、国土资源勘探以及国防安全等领域中重要的技术手段。本文基于U-Net网络提出了一种双U型Encoder-Decoder架构的边缘意识U型深度神经网络—BAU-Net。该网络模型首先...
高分辨率遥感图像中建筑物的分割提取是现代数字化城市建设、经济预测、国土资源勘探以及国防安全等领域中重要的技术手段。本文基于U-Net网络提出了一种双U型Encoder-Decoder架构的边缘意识U型深度神经网络—BAU-Net。该网络模型首先利用粗特征提取网络对建筑物进行初次识别提取,再通过残差结构的细特征提取网络修正边缘轮廓。通过可行性实验以及与经典特征提取网络对比,本文所采用的模型算法可以在一定程度上克服道路、车辆、树木遮挡以及建筑物阴影干扰,准确有效地识别建筑物主体,精确完整地分割建筑物边缘轮廓。在测试集上准确率达到90.48%、召回率达到91.30%、F值达到90.58%、平均绝对误差达到0.0325,均优于经典分割算法。
展开更多
关键词
遥感图像
bau-net
深度神经网络
建筑物
分割提取
下载PDF
职称材料
题名
基于BAU-Net的高分辨率遥感图像中建筑物的分割提取
被引量:
5
1
作者
李林祥
袁毅
温淑焕
机构
燕山大学智能控制系统与智能装备教育部工程研究中心
燕山大学工业计算机控制工程河北省重点实验室
出处
《燕山大学学报》
CAS
北大核心
2021年第4期335-342,共8页
基金
河北省自然科学基金重点资助项目(F2018203256)。
文摘
高分辨率遥感图像中建筑物的分割提取是现代数字化城市建设、经济预测、国土资源勘探以及国防安全等领域中重要的技术手段。本文基于U-Net网络提出了一种双U型Encoder-Decoder架构的边缘意识U型深度神经网络—BAU-Net。该网络模型首先利用粗特征提取网络对建筑物进行初次识别提取,再通过残差结构的细特征提取网络修正边缘轮廓。通过可行性实验以及与经典特征提取网络对比,本文所采用的模型算法可以在一定程度上克服道路、车辆、树木遮挡以及建筑物阴影干扰,准确有效地识别建筑物主体,精确完整地分割建筑物边缘轮廓。在测试集上准确率达到90.48%、召回率达到91.30%、F值达到90.58%、平均绝对误差达到0.0325,均优于经典分割算法。
关键词
遥感图像
bau-net
深度神经网络
建筑物
分割提取
Keywords
remote sensing images
bau-net
deep neural network
building
segmentation
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BAU-Net的高分辨率遥感图像中建筑物的分割提取
李林祥
袁毅
温淑焕
《燕山大学学报》
CAS
北大核心
2021
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部