自动土地使用和土地覆盖地图生产:深度学习框架
作者
阿尔哈桑(Victor)
日期
2018-10-19引用
阿尔哈桑(Victor)。自动土地使用和土地覆盖地图生产:深度学习框架。在温尼伯大学应用计算机科学系中,一份履行了对科学硕士学位的部分要求提交的论文。亚愽国际app下载温尼伯,加拿大曼尼托巴省:温尼伯大学,2018年。亚愽国际app下载
抽象的
在本文中,我们提出了一种方法,可以使用深层神经网络从卫星图像中创建土地使用和土地覆盖(LULC)图,这些网络是开发出来的,这些网络是为了执行自然图像的语义分割的。这项工作很重要,因为准确,及时的LULC地图的生产对于依靠它们来大规模监控土地资源变化的政府和私人公司都至关重要。在这项工作中,对深神网络进行了训练,可以将卫星图像的每个像素分类为许多LULC类之一。提出的深神经网络均使用Imagenet大规模视觉识别竞赛(ILSVRC)数据集进行了预训练。最初的结果是全球准确性88%。此外,我们考虑使用最先进的生成对抗架构和上下文模块来提高准确性。结果是一个自动化的深度学习框架,该框架可以比当前的半自动化方法生成LULC映射图像的速度要快得多。本论文的贡献是,观察到开发用于语义分割的深神经网络可用于自动化生成Lulc图的任务。在唯一数据集上使用扩展的不同FCN体系结构进行了广泛的实验;高分类精度为90.46%; and a thorough analysis and accuracy assessment of our results.