密集反卷积网络在遥感建筑物提取中的应用

被引：15

作者：

张欢 ^{[1
,2
]}

雷宏 ^{[1
]}

陈凯强 ^{[1
,2
]}

机构：

[1] 中国科学院电子学研究所

[2] 中国科学院大学

来源：

计算机工程与应用 | 2018年 / 11期

关键词：

建筑物提取; 遥感图像; 密集连接; 卷积神经网络; 反卷积;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

080201 [机械制造及其自动化];

摘要：

遥感图像覆盖范围广、场景复杂,目前基于卷积神经网络的建筑物提取方法因层数较少,不能充分挖掘图像的抽象信息,导致正确率较低,错检率较高。简单地增加网络的层数会导致梯度流消失和信息流弥散等问题,无法有效地训练网络。将密集连接方式引入到反卷积网络中,提出了一种新型的深层密集反卷积神经网络。该网络共有51层卷积权重层,能够自动学习多层级图像的特征,充分挖掘图像信息,并且该网络是端对端可训练的,避免了深层网络中信息传递消失的问题。同时利用反卷积网络实现了像素级别的建筑物提取,在ISPRS 2D的遥感标注数据集上有良好的表现,具有较强的实际应用价值。

引用

页码：140 / 144+152 +152

页数：6

共 5 条

[1]

卷积神经网络在验证码识别上的应用与研究 [J].