文献类型：期刊文章

作　　者：陈天华[1,2] 郑司群[1,2] 于峻川[3]

CHEN Tian-hua;ZHENG Si-qun;YU Jun-chuan(School of Computer and Information Engineering,Beijing Technology and Business University,Beijing 100048,China;Beijing Key Laboratory of Big Data Technology for Food Safety,School of Computer and Information Engineering,Beijing Technology and Business University,Beijing 100048,China;China Aero Geophysical Survey and Remote Sensing Center for Land and Resources,Beijing 100083,China)

机构地区：[1]北京工商大学计算机与信息工程学院,北京100048 [2]北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室,北京100048 [3]中国国土资源航空物探遥感中心,北京100083

出　　处：《测控技术》

基　　金：国家自然科学基金项目(61671028)

年　　份：2018

卷　　号：37

期　　号：11

起止页码：34-39

语　　种：中文

收录情况：CSCD、CSCD_E2017_2018、JST、ZGKJHX、普通刊

摘　　要：基于深度学习的语义分割方法具有较好的应用前景,但针对海量的遥感数据,深度学习算法在训练速度上仍有较大提升空间。在前人研究基础上,提出一种改进的全卷积网络,改进的网络以DeepLab为网络前端,结合Inception结构,在不降低特征提取能力的前提下,通过减少网络参数数量,降低网络运算复杂度,有效提升了网络的训练速度。基于INRIA Aerial Image Dataset高分辨率航空遥感数据集开展语义分割对比实验,实验结果显示改进的网络在训练速度和精度上均较DeepLab网络有所提升。所提出的改进DeepLab网络对为处理数据量庞大的遥感影像提供了可参考的解决方案。

关 键 词：遥感图像处理 深度学习  卷积神经网络 语义分割  

分 类 号：TP753]