基于D-CNN和高分辨率遥感图像的道路提取方法研究--以孟加拉国沿海局部地区为例  

作　　者：张盼盼[1] 滕欣[1] 赵奇威 王双[1] 康琬超 张梦真 

机构地区：[1]国家海洋技术中心 [2]山东理工大学建筑工程学院

出　　处：《中国新通信》2021年第18期42-43,共2页China New Telecommunications

基　　金：“推行海洋空间规划,助力蓝色经济发展”海上丝路项目支持;山东自然科学基金项目支持(ZR2020MD0115,ZR2020MD018)。

摘　　要：传统基于高分辨率遥感图像的道路提取方法计算复杂度高,难以实现自动化,基于深度学习的方法可以显著提高提取的精度和效率。本文选取CVPR2018 Deep Globe数据集作为训练数据集,基于Tensorflow框架的Adam优化算法,采用ResNet模型对孟加拉国沿海区域进行了道路识别和提取。经与人工目视解译数据集验证,得到道路提取总体精度为97.85%,验证了方法的有效性。

关 键 词：深度卷积神经网络 道路提取 ResNet网络结构 Adam优化算法 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置] U495[自动化与计算机技术—控制科学与工程]