基于深度学习的多光谱遥感影像土地利用类型分类研究
柴生亮
张艳秋
摘要：文章提出一种针对多光谱遥感影像的土地利用类型分类网络(MSNet),该网络具有可见光波段特征和红外波段特征,在ResNet-50作为主干网络的基础上对网络不同阶段进行优化和改进.将MSNet与经典影像分割模型UNet进行对比,结果显示MSNet结果更优,精度、F1分数和召回率各评价指标均在(0.8,1)区间内,实验证明MSNet可以更充分地利用多光谱特征,提升遥感影像分类准确度.
关键词：深度学习土地利用类型多光谱信息遥感影像
分类号：P237(摄影测量学与测绘遥感)
论文发表日期：2024-04-28
页数：4( 8-11 )
英文信息