本文主要研究内容
作者周阳,张云生,陈斯飏,邹峥嵘,朱耀晨,赵芮雪（2019）在《基于DCNN特征的建筑物震害损毁区域检测》一文中研究指出：为了提高基于高空间分辨率遥感影像的建筑物震害损毁评估精度,引入深度卷积神经网络(deep convolutional neural network,DCNN)模型,提出一种利用DCNN全连接层特征结合支持向量机(support vector machine,SVM)进行遥感影像建筑物震害损毁区域检测的方法。首先,利用神经网络前馈方式从DCNN全连接层提取训练样本和待检测区域的特征;然后,基于样本训练SVM分类器;最后,对待检测区域的所有区块进行分类预测和投票确定是否损毁。以2010年海地地震遥感影像为例,建筑物损毁检测正确率可以达到89%,相比于传统的特征提取方法正确率提高了4%。实验结果表明该方法在建筑物震害损毁检测方面具有一定的应用潜力。
Abstract
wei le di gao ji yu gao kong jian fen bian lv yao gan ying xiang de jian zhu wu zhen hai sun hui ping gu jing du ,yin ru shen du juan ji shen jing wang lao (deep convolutional neural network,DCNN)mo xing ,di chu yi chong li yong DCNNquan lian jie ceng te zheng jie ge zhi chi xiang liang ji (support vector machine,SVM)jin hang yao gan ying xiang jian zhu wu zhen hai sun hui ou yu jian ce de fang fa 。shou xian ,li yong shen jing wang lao qian kui fang shi cong DCNNquan lian jie ceng di qu xun lian yang ben he dai jian ce ou yu de te zheng ;ran hou ,ji yu yang ben xun lian SVMfen lei qi ;zui hou ,dui dai jian ce ou yu de suo you ou kuai jin hang fen lei yu ce he tou piao que ding shi fou sun hui 。yi 2010nian hai de de zhen yao gan ying xiang wei li ,jian zhu wu sun hui jian ce zheng que lv ke yi da dao 89%,xiang bi yu chuan tong de te zheng di qu fang fa zheng que lv di gao le 4%。shi yan jie guo biao ming gai fang fa zai jian zhu wu zhen hai sun hui jian ce fang mian ju you yi ding de ying yong qian li 。
论文参考文献
论文详细介绍
论文作者分别是来自国土资源遥感的周阳,张云生,陈斯飏,邹峥嵘,朱耀晨,赵芮雪，发表于刊物国土资源遥感2019年02期论文，是一篇关于损毁建筑物论文,卷积神经网络论文,高空间分辨率遥感影像论文,国土资源遥感2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自国土资源遥感2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。