深度学习在GlobeLand30-2010产品分类精度优化中应用研究

编号 zgly0001683704

文献类型 期刊论文

文献题名 深度学习在GlobeLand30-2010产品分类精度优化中应用研究

作者 刘天福  陈学泓  董琪  曹鑫  陈晋 

作者单位 地表过程与资源生态国家重点实验室北京师范大学地理科学学部  北京市陆表遥感数据产品工程技术研究中心北京师范大学地理科学学部 

母体文献 遥感技术与应用 

年卷期 2019年04期

年份 2019 

分类号 TP751  TP18  P237 

关键词 深度学习  GlobeLand30  产品优化  GoogleEarth 

文摘内容 本文提出结合深度卷积神经网络与在线高分遥感影像的分类方法,用于GlobeLand30地表覆盖产品的质量优化。首先,通过对多源地表覆盖产品的一致性分析,构建深度学习训练所需的高分辨率遥感大样本(224万样本量);其次,基于该大规模样本集训练适用于GlobeLand30优化的深度卷积神经网络模型(GoogleNet Inception V3);最后,利用训练好的神经网络模型对在线高分影像进行分类,用以优化GlobeLand30产品的不可靠区域。经独立测试样本集验证,经过训练的神经网络分类总体精度为87.7%,Kappa系数为0.86,相比原始GlobeLand30的精度(总体精度75.1%、Kappa系数0.71)有了明显提升。在4个试验区的GlobeLand 30产品优化实验表明:该方法能够有效优化GlobeLand30产品的分类精度。