公开(公告)号：CN113705326B

公开(公告)日：2023-12-15

申请号：CN202110750300.1

申请日：2021-07-02

Applicant: 重庆交通大学

Inventor： 官冬杰 ,  殷博灵

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种基于全卷积神经网络的城市建设用地识别方法，属于城市信息化领域。该方法包括以下步骤；S1：网络优化与验证；S2：全卷积神经网络下的城市建设用地识别。鉴于全卷积神经网络具有强大的图像表达能力、特征学习能力与良好的端对端性能，本发明通过改进FCN网络结构，设计了一种全卷积神经网络模型，并将其应用于低分辨率灰度遥感影像的建设用地提取中。(56)对比文件Boling Yin 等.How to accuratelyextract large-scale urban land?Establishment of an improved fullyconvolutional neural network model.《Frontiers of Earth Science》.2022,第16卷(第4期),1061-1076.

公开(公告)号：CN113705326A

公开(公告)日：2021-11-26

申请号：CN202110750300.1

申请日：2021-07-02

Applicant: 重庆交通大学

Inventor： 官冬杰 ,  殷博灵

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于全卷积神经网络的城市建设用地识别方法，属于城市信息化领域。该方法包括以下步骤；S1：网络优化与验证；S2：全卷积神经网络下的城市建设用地识别。鉴于全卷积神经网络具有强大的图像表达能力、特征学习能力与良好的端对端性能，本发明通过改进FCN网络结构，设计了一种全卷积神经网络模型，并将其应用于低分辨率灰度遥感影像的建设用地提取中。