多深度神經網絡集成的道路提取

作者：張新長,江鑫

摘要：高分辨率遙感圖像道路提取是遙感信息分析領域中的一項重要工作。盡管深度學習的高分辨率遙感影像道路提取方法已經獲得了先進的性能,但大多數深度學習網絡具有嚴重的數據依賴性,缺少一種普遍適用的網絡模型。針對以上問題,分別探討了深度神經網絡的寬度及結構對高分辨率遙感圖像道路提取的影響。選取3種經典的端到端網絡模型(SegNet、U-Net和FRRN)進行試驗,針對每種網絡結構依次設置3×3、5×5、7×7的卷積核。最后,剖析卷積核的尺度對道路提取的影響,提出了一種多深度學習網絡集成的道路提取方法。結果表明,對于SegNet、FRRN、U-Net網絡,3×3的卷積核普遍獲得了較好的道路提取結果,SegNet方法能夠較好地平衡道路提取的完整性和正確性。

發文機構：廣州大學地理科學與遙感學院 中山大學地理科學與規劃學院

關鍵詞：高分辨率遙感影像道路提取深度學習集成學習多尺度high-resolution imageryroad extractiondeep learningensemble learningmulti-scale

分類號： TP79[自動化與計算機技術—檢測技術與自動化裝置]