推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于深度学习的航空遥感影像密集匹配

更新时间:2019-12-31 09:35:49 大小:2M 上传用户:songhuahua查看TA发布的资源 标签:深度学习 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

本文探讨了深度学习在航空影像密集匹配中的性能,并与经典方法进行了比较,对模型泛化能力进行了评估。首先,实现了MC-CNN(matching cost convolutional neural network)、GC-Net(geometry and context network)、DispNet(disparity estimation network)3种代表性卷积神经元网络在航空立体像对上的训练和测试,并与传统方法SGM(semi-global matching)和商业软件SURE进行了比较。其次,利用直接迁移学习方法,评估了各模型在不同数据集间的泛化能力。最后,利用预训练模型和少量目标数据集样本,评估了模型微调的效果。试验包含3套航空影像、2套开源街景影像。试验表明:①与传统的遥感影像密集匹配方法相比,目前深度学习方法略有优势;②GC-Net与MC-CNN表现了良好的泛化能力,在开源数据集上训练的模型可以直接应用于遥感影像,且3PE(3-pixel-error)精度没有明显下降;③在训练样本不足时,利用预训练模型做初值并进行参数微调可以得到比直接训练更好的结果。


部分文件列表

文件名 大小
基于深度学习的航空遥感影像密集匹配.pdf 2M

部分页面预览

(完整内容请下载后查看)
9  
48  
019  
2019  
odaertinca  
ꢀ ꢀ g p ꢀ ꢀ  
ꢀꢀ  
,  
引文格式 基 于 的 航 空 遥 感 密 集  
[ ]  
测 绘 学 报  
J .  
, ( : : /  
2019 48 9 114151947 .  
j  
2019 20180247 .  
, [ ]  
n JI hu learnin based dense tchin fote senin s J ta odaeca et  
p g  
:  
: /  
rtin0114151947  019 20180247 .  
g p  
于深学习的航空遥感影像集匹配  
瑾 季顺  
武汉大学遥感信息学院 湖北 武汉  
430079  
earin baseensin foenin s  
ꢀ ꢀ  
ꢀ  
LIhun  
p g  
, , ,  
Schoemennfoeein haerha30079 ina  
g  
ꢀ ꢀ  
tract ee earin baserehodenin  
ꢀ ꢀ  
ims inluin s efoncluon thsohodnd enert  
g  
reonvluon neurrk NN in coonvluoneurl  
p  
),  
,  
rk  onexrk ant erk reo  
p  
im.Tesre in anUR.  
p  
ꢀ ꢀ ꢀ  
Seconl the enerlus rinether  
ꢀ  
ꢀ ꢀ ꢀ ꢀ  
asFininin in dth rinereo  
ꢀꢀ  ꢀ ꢀ  
in reourcses  
ꢀ ꢀ p  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
; ,  
sh dee earin hods efol bhaonhods secon botC  
p  
g y  
aved ood ener anan tor PE 3 ror  
-  
g  
ꢀ  
resin l rinereencrks t in  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
g  
asnsuenin ineovt  
p  
ꢀ ꢀ ꢀ  
ꢀ ꢀ  
gy ꢀ  
ꢀ ꢀ ꢀ ꢀ  
in .  
ꢀ ꢀ  
Ke wrds erein densin aeim convluoneurrk dee earin  
Foundu oonurencoundna 1471288  
ꢀ ꢀ  
: , ,  
本文讨了在航集匹配的性能 法进能  
。 ,  
首 先 现 了  
、  
NN tchin cosonvlueurrk t  
)、 (  
tr ontexrk  es3  
积神经络  
在航空立训练法  
件  
tchin  
行  
SURE  
。 , , 。 ,  
了比其次 利方法 训练  
, 。 、 。  
模型目标数据集样模型微调效果 试  
统的遥感集匹配优势  
NN  
明  
, ,  
现了好的化能开源数据且  
3PE 3 xerror  
- -  
训练样足时 预训练模型初值并行参数微调得到训练  
精度下降  
好的结果  
: ; ; ; ;  
关键词 匹配 集匹配 像 卷积神经络 深习  
文章编号  
1005901140  
ꢀꢀꢀꢀ  
中图分类号  
文献标识码  
P237  
ꢀꢀꢀꢀ  
基金项目 自然科学基金  
41471288  
航空航遥感重建地三  
获取重  
”。  
像  
ꢀꢀ  
场景一直测量与遥感心问题  
建的技术 通常配  
t xm  
p  
01S  
1142  
[]  
密集程  
价  
领域到了广泛的应用 其是卷经  
),  
。 、  
计算 像息是  
络  
convlueurrks NN  
基于度  
提高了线  
, ,  
信息按照给  
避免计  
定的相似算  
中  
虽然理区域  
计算视觉标结果过  
[]  
表面响  
定的性  
基于学  
部分和学  
点  
内所有能达到  
12  
于  
。 ,  
局  
括  
络  
NN  
[]  
[ ]  
13  
) ,  
做  
及  
法  
络  
t  
t  
M  
值计算 最小  
惩罚整  
了不化  
入  
CNN  
应的结果 通常用  
题  
计算最值 最视  
的学直接视  
[ ]  
14  
。 ,  
化 该包  
图  
t  
一种适  
, 、  
理技术 左右滤  
t etr ontext  
的全 卷 络  
[]  
间 的 信 息 和 信 息  
、 。  
差  
rk  
, ,  
信息 重建场景  
张量 从  
图  
M  
建  
3D  
3D  
[ ]  
15  
各个采  
t rtereo tchin nerk  
py  
由  
经验计  
空间金字局  
、 、 ,  
合方式了不化  
, 、  
信息遮挡无  
达  
域 的 估 计  
CRL ascade  
联 了 改 进 的  
的  
16  
。 ,  
够  
rel learnin  
14  
精  
t  
题  
初始化残  
2 1  
密集建的广  
。 [ ]  
一种  
17  
wa  
g y  
[]  
泛的重一种的全配  
, ,  
损  
。 ,  
法  
式下 运  
技术 以求域的题  
。 [ ]  
用  
18  
[]  
法  
tcasetereo  
( )  
左右差  
先提心  
无需训练  
, ,  
配  
已经地应用于计算视  
率上 似  
觉标应用于像  
, , ,  
太  
在  
2008  
航空遥感据  
像  
更  
tchin  
。 ,  
与经外 本  
法  
[]  
) 。  
M  
合  
在航空遥感的泛  
的  
能力 觉标模  
动态计算 代  
, 。  
直接应用航空遥感中  
16  
[]  
atctch od  
法  
也  
献  
[ ]  
发 的  
是 基 于  
RE  
1 MNN  
-  
的多法  
通过我  
NN  
M  
1  
习  
, ,  
相似用于计  
个  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载