| 基于深度学习的遥感图像道路分割 |
| |
| 引用本文： | 李旭涛,杨寒玉,卢业飞,张玮. 基于深度学习的遥感图像道路分割[J]. 山东大学学报(工学版), 2022, 52(6): 139-145. DOI: 10.6040/j.issn.1672-3961.0.2021.328 |
| |
| 作者姓名： | 李旭涛 杨寒玉 卢业飞 张玮 |
| |
| 作者单位： | 1.齐鲁工业大学(山东省科学院)计算机科学与技术学部, 山东 济南 250353;2.湖北大学数学与统计学学院, 湖北 武汉 430062;3.山东省计算中心(国家超级计算济南中心)山东省计算机网络重点实验室, 山东 济南 250000 |
| |
| 基金项目： | 国家自然科学基金资助项目(61802233);山东省自然科学基金资助项目(ZR2021LZH001);山东省自然科学基金资助项目(ZR2020LZH010) |
| |
| 摘 要： | 为在遥感图像中提取出来道路信息,利用深度学习技术,引入U2-Net模型进行遥感图像道路分割。相比于传统的道路提取方法,基于U2-Net方法可以实现道路的自动化提取。为验证U2-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为流行的语义分割方法进行对比试验,并进一步分析U2-Net显著图融合模块中卷积核对道路提取效果的影响。试验结果表明,U2-Net模型能较有效地提取出道路信息,模型在测试集上的平均交并比达到了76.49%,Kappa达到了0.701 2,分割精度优于U-Net、DeepLabV3+等语义分割方法。基于U2-Net模型的深度学习方法可以用于解决遥感图像中的道路分割问题,并具有较好的分割效果。
|
| 关 键 词： | 语义分割 深度学习 遥感图像 U2-Net模型 高分辨率 |
Road segmentation of remote sensing image based on deep learning |
| |
| LI Xutao,YANG Hanyu,LU Yefei,ZHANG Wei. Road segmentation of remote sensing image based on deep learning[J]. Journal of Shandong University of Technology, 2022, 52(6): 139-145. DOI: 10.6040/j.issn.1672-3961.0.2021.328 |
| |
| Authors: | LI Xutao YANG Hanyu LU Yefei ZHANG Wei |
| |
| Affiliation: | 1. Faculty of Computer Science and Technology, Qilu University of Technology(Shandong Academy of Sciences), Jinan 250353, Shandong, China;2. School of Mathematics and Statistics, Hubei University, Wuhan 430062, Hubei, China;3. Shandong Provincial Key Laboratory of Computer Networks, Shandong Computer Science Center(National Supercomputer Center in Jinan), Jinan 250000, Shandong, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《山东大学学报(工学版)》浏览原始摘要信息 |
|
点击此处可从《山东大学学报(工学版)》下载全文 |
|
