基于GF-2影像和Unet模型的棉花分布识别OA北大核心CSTPCD
Recognition of cotton distribution based on GF-2 images and Unet model
为探讨深度学习方法在干旱区棉花分布识别中的适用性及优化流程,以渭干河—库车河三角绿洲典型作物棉花为研究对象,利用国产GF-2影像,结合野外调查数据,采用Unet深度学习方法,借助Unet网络多重卷积运算的特点充分挖掘棉花在遥感影像上的深层次特征,从而提高棉花的提取精度.结果表明,Unet模型提取研究区棉花、玉米、辣椒的识别效果优于面向对象和传统机器学习算法分类结果,总体精度为84.22％,Kappa系数为0.8047,相比面向对象方法以及传统机器…查看全部>>
伊尔潘·艾尼瓦尔;买买提·沙吾提;买合木提· 巴拉提
新疆大学地理与遥感科学学院,乌鲁木齐 830046新疆大学地理与遥感科学学院,乌鲁木齐 830046新疆绿洲生态重点实验室,乌鲁木齐 830046
信息技术与安全科学
深度学习棉花识别Unet模型GF-2影像
《自然资源遥感》 2022 (2)
242-250,9
新疆自然科学计划(自然科学基金)联合基金项目"基于深度学习和无人机遥感的病害核桃树木识别与定位"(编号:2021D01C055)和国家自然科学地区基金项目"渭干河流域水文过程与非点源溶质运移耦合模拟及水资源利用安全范式"(编号:41762019)共同资助.
评论