传统基于高分辨率遥感图像的道路提取方法计算复杂度高,难以实现自动化,基于深度学习的方法可以显著提高提取的精度和效率。本文选取CVPR2018 Deep Globe数据集作为训练数据集,基于Tensorflow框架的Adam优化算法,采用ResNet模型对孟加...传统基于高分辨率遥感图像的道路提取方法计算复杂度高,难以实现自动化,基于深度学习的方法可以显著提高提取的精度和效率。本文选取CVPR2018 Deep Globe数据集作为训练数据集,基于Tensorflow框架的Adam优化算法,采用ResNet模型对孟加拉国沿海区域进行了道路识别和提取。经与人工目视解译数据集验证,得到道路提取总体精度为97.85%,验证了方法的有效性。展开更多
文摘传统基于高分辨率遥感图像的道路提取方法计算复杂度高,难以实现自动化,基于深度学习的方法可以显著提高提取的精度和效率。本文选取CVPR2018 Deep Globe数据集作为训练数据集,基于Tensorflow框架的Adam优化算法,采用ResNet模型对孟加拉国沿海区域进行了道路识别和提取。经与人工目视解译数据集验证,得到道路提取总体精度为97.85%,验证了方法的有效性。
