基于Mask R-CNN的高分辨率遥感影像分类研究
高分辨率遥感影像分辨率高、地物特征信息丰富，传统非监督分类难以满足其快速分类需求的情况，深度学习算法的进展为遥感图像分类研究提供了技术支撑。由于Mask-RCNN网络增加了并行的全卷积分割子网，能同时实现对遥感影像不同用地类型边界的掩膜分割和用地类别的分类任务。本文提出了一种基于Mask R-CNN的高分辨率遥感影像分类方法，基于卷积神经网络的思想，在深度学习框架下通过多线程迭代训练，将高分2号遥感影像作为训练样本，试验结果达到了预期要求，提高了高分辨率遥感影像的自动分类精度，为土地利用制图奠定了研究基础。
深度学习 高分辨率遥感影像分类 Mask R-CNN 目标检测
曹芳洁 邱芸 王渊洁 李纯 姚双燕
同圆设计集团有限公司
国内会议
成都
中文
1-9
2021-09-25（万方平台首次上网日期，不代表论文的发表时间）