文章摘要信息

[an error occurred while processing this directive]

世界地质 2021, 40(1) 146-153 DOI: ISSN: 1004-5589 CN: 22-1111/P

本期目录 | 下期目录 | 过刊浏览 | 高级检索 [打印本页] [关闭]

基础地质

	扩展功能

	本文信息
	Supporting info
	PDF(1122KB)
	[HTML全文]
	参考文献[PDF]
	参考文献
	服务与反馈
	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	引用本文
	Email Alert
	文章反馈
	浏览反馈信息
	本文关键词相关文章

	Unet
	CＲF
	土地利用
	分类
	本文作者相关文章
	师超
	姜琦刚
	段富治
	史鹏飞
	PubMed
	Article by Shi C
	Article by Jiang Q
	Article by Duan F
	Article by Shi P

基于Unet + CＲF 的GF － 2 土地利用分类

1. 吉林大学地球探测科学与技术学院，长春130026;

2. 武汉大学遥感信息工程学院，武汉430079

摘要：以国产GF － 2 为数据源，使用自制影像标签，对长春市宽城区部分区域进行土地利用分类，提出将传统的Unet 卷积神经网络模型与全连接条件随机场( CＲF) 结合的方法，并与Segnet 网络模型进行对比分析。结果表明: Unet + CＲF 分类方法的Kappa 系数达到0. 711，F1 － score 达到0. 795，具有较好的精度，与真实地物具有高度一致性。

关键词： Unet CＲF 土地利用分类

GF － 2 Landuse classification based on Unet + CＲF

1. College of Geo-exploration Science and Technology，Jilin University，Changchun 130026;

2. School of Ｒemote Sensing and Information Engineering，Wuhan University，Wuhan 430079

Abstract: In the research，the landuse in part of Kuancheng District，Changchun City is classified by using GF － 2 image as data source and self-made image labels． A method of combining the traditional Unet convolutional neural network model with fully connected conditional random fields ( CＲF) is proposed． Compared with the Segnet model，the results show that the Kappa coefficient of the Unet + CＲF classification method is 0. 711，and the F1 － score is 0. 795，indicating good accuracy and high consistency with the real objects．

Keywords: Unet CＲF landuse classification

收稿日期 修回日期 网络版发布日期

DOI:

基金项目:

通讯作者:

作者简介:

作者Email:

参考文献：

本刊中的类似文章

1．王奕朋，裴福萍，周皓，焦骥，魏敬洋，宋凯. 小兴安岭早白垩世福民河组高硅流纹岩锆石U--Pb 定年、地球化学特征及地质意义[J]. 世界地质, 2021,40(2): 229-239

2．张斌，张革利，陈浩，刘晨. 陕西凤县二里河铅锌矿床金属硫化物标型特征

及地质意义