-
题名改进U-Net模型的水体分割方法
被引量：2
- 1
-
-
作者
蔡宏超
龚建华
张友松
王建茹
胡卫东
-
机构
天津城建大学地质与测绘学院
浙江中科空间信息技术应用研发中心
中国科学院空天信息创新研究院
浙江省海洋与渔业执法总队
-
出处
《遥感信息》
CSCD
北大核心
2024年第5期140-147,共8页
-
基金
中国科学院空天信息创新研究院前沿科学与颠覆性技术研究先导基金(E0Z21101)。
-
文摘
针对遥感影像水体分割算法在应对细小水系繁多、水环境复杂的情况时分割准确率低,以及易混淆地物、错分率高等问题,设计了一种改进的U-Net模型。首先,设计并建立改进的U-Net模型,通过对原始图像增加上采样部分,使该模型形成上下对称的结构;同时,采用S形循环,通过增加神经网络的中间层层数,保留更多的图像特征。其次,对于改进模型的深度进行调整,即一次上下采样和两次上下采样,文章据此提出两种不同的网络结构,并对比分析二者的分割精度。实验证明,OSUNet-V2模型(两次上下采样)精度更高、效果更佳,相较于U-Net,精度提高1.28%,交并比提高2.19%,对地物的分辨能力及抗易混淆地物的干扰能力高于U-Net,可以为城市水体分布情况的快速获取提供数据参考和支撑。
-
关键词
深度学习
水体提取
高分辨率遥感影像
特征提取
U-Net
-
Keywords
deep learning
water extraction
high resolution remote sensing image
feature extraction
U-Net
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于GPU的二部图联合聚类并行算法研究
被引量：4
- 2
-
-
作者
张宇
刘坡
杨敏华
龚建华
黄明详
-
机构
中南大学地球科学与信息物理学院
中国科学院遥感与数字地球研究所遥感科学国家重点实验室
浙江中科空间信息技术应用研发中心
环境保护部信息中心
-
出处
《地理与地理信息科学》
CSCD
北大核心
2013年第4期99-103,108,共6页
-
基金
中国科学院知识创新工程重要方向项目(KZCX2-EW-318)
国家自然科学基金项目(40901233)
+2 种基金
国家科技支撑计划项目"扶贫空间信息系统关键技术及其应用"第四课题"扶贫开发信息服务系统构建"(2012BAH33B04)
嘉善县科技创新种子资金项目(2011B04)
嘉善县科技计划项目(2011A44)
-
文摘
提出一种基于GPU的二部图联合聚类并行算法,它能够在单指令多线程模型下完成高性能并行计算。针对空间联合聚类算法中存在大量的空间聚类计算和约束判断计算(文中为求和计算),并行算法分别采用共享存储器和全局存储器加速技术,来提高算法执行的效率。该文以表示同一地区多时相、多比例尺的两个空间要素集的聚类为例,表明二部图并行算法比CPU串行算法最高可以获得858倍的加速比。GPU的实时处理能力和计算能力可以为海量的空间数据聚类提供新的思路和参考。
-
关键词
GPU
并行计算
空间聚类
二部图
邻接矩阵
-
Keywords
GPU
parallel computing
spatial clustering
bipartite graph
adj acent matrix
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
