摘要
本文将深度学习技术中的卷积神经网络算法应用于遥感影像中的植被类型分类研究,模型包括卷积层,池化层以及全连接层,卷积层完成了影像中特征的提取,池化层对特征降维,最后全连接层完成植被的分类工作。针对研究使用的数据集,模型得到的94%的分类精度。
In this paper, the convolution neural network algorithm in deep learning technology is applied to the study of vegetation type classification in remote sensing image. The model includes convolution layer, pooling layer and full connection layer. The convolution layer completes the extraction of features in the image. According to the data set used in the study, the classification accuracy of the model was 94%.
作者
王健
WANG Jian(School of Geomatics and Marine Information,Huaihai Institute of Technology,Lianyungang 222005,China)
出处
《价值工程》
2019年第4期161-163,共3页
Value Engineering
基金
淮海工学院研究生实践创新计划项目:XKYCXZ2017-1
关键词
深度学习
卷积神经网络
植被分类
deep learning
convolutional neural network
vegetation classification
作者简介
王健(1994-),男,山东滕州人,硕士在读,研究方向为地球空间环境信息采集与处理。
