结合空间约束的卷积神经网络多模型多尺度船企场景识别
Remote Sensing for Natural Resources(2021)
Abstract
船企场景识别对修复沿岸生态环境、保护水域环境以及促进船舶产业的协调发展具有现实意义,但传统方法基于中、低层次的特征难以实现卫星遥感图像中船企的自动识别.为此,提出了结合空间约束的卷积神经网络多模型多尺度船企场景识别方法.首先分别采用全局尺度的船企场景和局部尺度船坞(台)、厂房和船只样本训练多个卷积神经网络模型,并进行多模型多尺度检测;进而对局部对象进行像素级定位并计算对象空间距离;最终结合多尺度检测结果、对象标签组合方式、对象空间距离进行船企场景综合判别与提取.将此方法分别应用于中国江苏省、日本长崎县和爱媛县周边以及韩国木浦市和巨济市周边5个典型造船密集区.结果表明,江苏省整体识别精确度为87%,召回率为85%;日本研究区整体识别精确度为91%,召回率为87%;韩国研究区整体识别精确度为85%,召回率为92%.实验结果表明,此方法可以较好地实现遥感船企复杂场景的识别.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined