科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了探究深度学习DeeplabV3+模型在河流水体提取的潜力，分别构建了ResNet-50、ResNet-101、ResNet-152、Xception共4种不同骨架网络的DeeplabV3+模型，开展河流水体提取研究。通过河流水体提取结果对比分析，确定了最优骨架网络模型为ResNet-50,在此基础上提出了改进的DeeplabV3+模型，并与最邻近分类法、随机森林分类法、支持向量机分类法、原始DeeplabV3+模型法等分类方法的分类结果进行比较。结果表明：改进的DeeplabV3+网络模型能有效提取河流水体目标，增强小面积河流水体识别能力，减少河流水体漏分现象，提高河流水体提取效果。改进后的DeeplabV3+网络模型在高分辨率遥感影像河流水体提取方面具有可行性，为后续该领域的进一步研究应用提供了参考。
- 出版日期2023
- 单位西安科技大学; 中国地震局第二监测中心
