-
题名基于CNN模型迁移的OLI影像光伏电池板场景识别
被引量：3
- 1
-
-
作者
王胜利
朱寿红
蒋毅
-
机构
江苏省地质测绘院
江苏省兰德土地工程技术有限公司
-
出处
《测绘通报》
CSCD
北大核心
2022年第2期5-9,共5页
-
基金
江苏省地质矿产勘查局科研项目(2020KY11)。
-
文摘
获取光伏电池板的空间分布及动态变化信息对于国土调查、资源环境监测和能源结构评估具有重要意义,然而,传统的光伏电池板的识别依赖于人工设计的中低层次特征,无法克服对象光谱不确定性、空间结构类型复杂等难题,算法普遍存在稳健性不强、效率不高等问题。目前,基于场景单元从遥感影像中提取空间信息,多数算法仅建立在少数标准数据集上,未考虑实际应用中遥感图像质量、空间分辨率等因素对图像场景深度特征表达的影响,制约了遥感技术在城市结构、经济社会知识挖掘方面的深入应用。针对以上情况,本文基于卷积神经网络(CNN)采用迁移学习和模型微调的策略,在中等分辨率的Landsat影像上进行光伏电池板场景识别。结果表明,本文方法能够提取电站场景的多层次特征,在形态结构复杂的电站场景中取得了较好的识别效果。
-
关键词
迁移学习
卷积神经网络
光伏电池板
中等分辨率遥感影像
场景尺度
-
Keywords
transfer learning
convolutional neural network
photovoltaic panels
medium resolution remote sensing image
scene scale
-
分类号
P237
[天文地球—摄影测量与遥感]
-
