深度學習方法在光伏用地遙感檢測中的應用

作者：宋業沖,李英成,耿中元,丁曉波,裴亞健

摘要：針對傳統方法提取新增光伏用地精度低的問題,該文提出了一種基于集成學習的U-Net雙網絡變化信息融合的深度學習方法用于新增光伏用地的提取。首先對U-Net網絡進行改進得到性能較好的兩個變化檢測網絡模型,然后分別訓練兩個網絡模型用于在高分辨率衛星影像上檢測新增光伏用地,將訓練好的兩個網絡模型的分類圖融合再經過后處理得到最終的變化檢測結果。通過實驗表明:該方法明顯優于傳統變化檢測方法,也提高了單網絡模型變化檢測結果的精度。

發文機構：中國測繪科學研究院 自然資源部航空遙感技術重點實驗室 北京市低空遙感數據處理工程技術研究中心

關鍵詞：深度學習U-Net網絡新增光伏用地提取集成學習deep learningU-Net networkextraction of newly-increasing photovoltaic landensemble learning

分類號： P237[天文地球—攝影測量與遙感]