您好，欢迎访问江苏省农业科学院 机构知识库！
江苏省农业科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于改进DeepLab v3+模型和迁移学习的高分遥感耕地信息提取方法

文献类型： 中文期刊

作者： 毛星 1 ; 金晶 1 ; 张欣 1 ; 戴佩玉 1 ; 任妮 1 ;

作者机构： 1.江苏省农业科学院农业信息研究所

关键词： 耕地信息提取;迁移学习;DEA-Net;高分遥感

期刊名称： 江苏农业学报

ISSN： 1000-4440

年卷期： 2023 年 39 卷 007 期

页码： 1519-1529

收录情况： 北大核心 ; CSCD

摘要： 针对实际遥感耕地信息提取工作中,多源数据特征复杂、样本标注工作繁重等导致高空间分辨率影像解译精度不高、自动化程度不够的问题,本研究基于DeepLab v3+模型,提出一种融合邻域边缘加权模块(NEWM)和轴向注意力机制模块(CBAM-s)的卷积网络模型DEA-Net,结合迁移学习方法进行高分辨率遥感影像耕地信息提取.首先,在浅层网络结构中加入邻域边缘加权模块,提升高分辨率下地物的连续性,细化边缘分割粒度;其次,在深层网络结构中添加轴向注意力机制模块,增加细小地物的关注权重,减少深度卷积导致地物丢失的情况;最后,采用迁移学习的思想,降低样本标注工作量,提高模型学习能力.利用高分卫星土地覆盖数据集(GID)数据构建源域数据集进行模型预训练,将获取的模型参数及权重信息迁移至大数据与计算智能大赛(BDCI)遥感影像地块分割竞赛数据集和全国人工智能大赛(NAIC)遥感影像数据集制作的 2 种不同目标域数据集中,微调训练后应用于耕地信息提取研究.结果表明,本研究构建方法能够增强模型的空间细节学习能力,提高耕地语义分割精度的同时,降低 2/3 以上的训练样本数量,为遥感耕地信息提取及农业数据智能化利用提供新的思路和方法.

  • 相关文献
作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：江苏省农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台