100 积分
50
评分
4.6 积分- 详情
- 2021-04-27
- 简介
pdf
- 879KB
- 页数 7P
- 阅读 97
- 下载 30
基于卷积神经网络(CNN)提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类。为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6%,表明该方法具有较好的鲁棒性和有效性。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于U型卷积神经网络的航空影像建筑物检测 2.8MB
基于卷积神经网络的空心村高分影像建筑物检测方法 879KB
基于改进BP神经网络的矿井CO检测方法的研究 203KB
基于卷积神经网络的航空影像城市建筑物分割 3.4MB
基于神经网络模型的建筑物变形预测 369KB
基于LVQ神经网络的建筑物提取 325KB
基于BP神经网络的工程造价估测方法 294KB
基于多种检测数据的轨道状态BP神经网络评定方法研究 296KB