基于DeeplabV3+的无人机遥感影像识别

编号 zgly0001737657

文献类型 期刊论文

文献题名 基于DeeplabV3+的无人机遥感影像识别

作者 赖丽琦 

作者单位 浙江农林大学信息工程学院 

母体文献 林业调查规划 

年卷期 2021,46(3)

页码 11-16

年份 2021 

分类号 S718.521.2  S771.51 

关键词 无人机  语义分割模型  DeeplabV3+模型  植被覆盖影像  参数量  训练时长 

文摘内容 针对无人机植被覆盖航拍影像分类精度不高、工程量大的问题,开发适用于无人机植被覆盖影像识别、具有较高准确性的语义分割模型,以提高植被分类精度。通过无人机航拍获取研究区影像,对获取到的图像进行标注,建立图像数据集,构建随机森林、SegNet、U-Net及DeeplabV3+模型,对DeeplabV3+模型进行改进,将主干网络替换为MobileNetV2,在本实验数据集上训练和测试模型,以验证集指标作为模型评估指标。结果表明,语义分割模型表现优于传统图像分割模型;原始模型中,DeeplabV3+模型表现最好,像素准确率达93.64%,平均交并比达66.43%;改进的DeeplabV3+模型在植被覆盖影像上取得较好的识别效果,像素准确率和平均交并比分别为94.71%和70.89%,相比原始模型分别提升了1.07%和4.46%,参数量仅为原始模型的6.74%,训练时长为原始模型的78.76%,具有一定的适用性和实用价值。