深度学习方法在光伏用地遥感检测中的应用

作者：宋业冲,李英成,耿中元,丁晓波,裴亚健

摘要：针对传统方法提取新增光伏用地精度低的问题,该文提出了一种基于集成学习的U-Net双网络变化信息融合的深度学习方法用于新增光伏用地的提取。首先对U-Net网络进行改进得到性能较好的两个变化检测网络模型,然后分别训练两个网络模型用于在高分辨率卫星影像上检测新增光伏用地,将训练好的两个网络模型的分类图融合再经过后处理得到最终的变化检测结果。通过实验表明:该方法明显优于传统变化检测方法,也提高了单网络模型变化检测结果的精度。

发文机构：中国测绘科学研究院 自然资源部航空遥感技术重点实验室 北京市低空遥感数据处理工程技术研究中心

关键词：深度学习U-Net网络新增光伏用地提取集成学习deep learningU-Net networkextraction of newly-increasing photovoltaic landensemble learning

分类号： P237[天文地球—摄影测量与遥感]