期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
联合Sentinel-2影像和OSM数据的岛礁智能提取方法
1
作者
陈奕霏
梁紫桥
+4 位作者
陈逸君
孟浩
张立华
魏征
周琪
《应用海洋学学报》
北大核心
2025年第3期595-605,共11页
针对利用深度学习模型提取遥感影像中的岛礁数据时训练样本较少,众源岛礁数据作为训练样本的质量未经验证的问题,本研究提出了一种联合众源和遥感数据的岛礁智能提取方法。以马尔代夫与南海西沙群岛为研究区,分别在OpenStreetMap(OSM)和...
针对利用深度学习模型提取遥感影像中的岛礁数据时训练样本较少,众源岛礁数据作为训练样本的质量未经验证的问题,本研究提出了一种联合众源和遥感数据的岛礁智能提取方法。以马尔代夫与南海西沙群岛为研究区,分别在OpenStreetMap(OSM)和Google Earth Engine(GEE)平台下载提取区域的众源岛礁数据和Sentinel-2影像,经过预处理得到训练样本,对FCN、U-Net、SENet、HRNet和SegFormer 5种模型进行训练后,以模型测试集的目视解译结果为基准,使用准确率、精确率、召回率和F1分数分别评价5种模型的预测结果和OSM原始标签数据,并利用交并比进一步对比验证深度学习模型预测结果的优越性。实验结果表明:两个研究区的U-Net模型预测结果在岛和礁的F1分数均能达到96.00%和93.00%以上,与其他模型相比,U-Net模型的预测结果精度更佳,适用于联合众源和遥感数据的岛礁智能提取任务;在马尔代夫研究区,U-Net模型预测结果在岛和礁方面的F1分数相较于OSM标签数据分别高出6.48%和4.30%,而在西沙群岛研究区,这一提升分别为3.24%和4.24%。U-Net模型预测结果的数据质量优于OSM原始标签数据,能够有效修正后者数据中将部分礁体误分类为岛屿及大面积缺失等问题。
展开更多
关键词
众源数据
遥感影像
岛礁提取
深度学习
U-Net
在线阅读
下载PDF
职称材料
题名
联合Sentinel-2影像和OSM数据的岛礁智能提取方法
1
作者
陈奕霏
梁紫桥
陈逸君
孟浩
张立华
魏征
周琪
机构
中国地质大学(武汉)地理与信息工程学院
海军大连舰艇学院军事海洋与测绘系
自然资源部南海
发展
研究
院
自然资源部南海遥感测绘协同应用技术创新
中心
国际可持续发展目标大数据研究中心
出处
《应用海洋学学报》
北大核心
2025年第3期595-605,共11页
基金
国家自然科学基金(42471492)
可持续发展大数据国际研究中心主任青年基金(CBAS2022DF010)。
文摘
针对利用深度学习模型提取遥感影像中的岛礁数据时训练样本较少,众源岛礁数据作为训练样本的质量未经验证的问题,本研究提出了一种联合众源和遥感数据的岛礁智能提取方法。以马尔代夫与南海西沙群岛为研究区,分别在OpenStreetMap(OSM)和Google Earth Engine(GEE)平台下载提取区域的众源岛礁数据和Sentinel-2影像,经过预处理得到训练样本,对FCN、U-Net、SENet、HRNet和SegFormer 5种模型进行训练后,以模型测试集的目视解译结果为基准,使用准确率、精确率、召回率和F1分数分别评价5种模型的预测结果和OSM原始标签数据,并利用交并比进一步对比验证深度学习模型预测结果的优越性。实验结果表明:两个研究区的U-Net模型预测结果在岛和礁的F1分数均能达到96.00%和93.00%以上,与其他模型相比,U-Net模型的预测结果精度更佳,适用于联合众源和遥感数据的岛礁智能提取任务;在马尔代夫研究区,U-Net模型预测结果在岛和礁方面的F1分数相较于OSM标签数据分别高出6.48%和4.30%,而在西沙群岛研究区,这一提升分别为3.24%和4.24%。U-Net模型预测结果的数据质量优于OSM原始标签数据,能够有效修正后者数据中将部分礁体误分类为岛屿及大面积缺失等问题。
关键词
众源数据
遥感影像
岛礁提取
深度学习
U-Net
Keywords
crowdsourced data
remote sensing imagery
reefs and islands extraction
deep learning
U-Net
分类号
P733 [天文地球—物理海洋学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
联合Sentinel-2影像和OSM数据的岛礁智能提取方法
陈奕霏
梁紫桥
陈逸君
孟浩
张立华
魏征
周琪
《应用海洋学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
