郑州大学地球科学与技术学院在高性能地理计算方向取得进展
13.11.2020 11:11
本文来源: 郑州大学
遥感与人工智能的结合是高性能地理计算方向的一个重要着力点，深度神经网络（Deep Neural Network, DNN）为遥感影像道路提取提供了一种新的技术手段，获得了广泛关注。然而，深度学习模型的性能严重依赖于大规模、精细化标注的训练集。该研究通过将深度学习模型与噪声分布模型相结合，提出一种强鲁棒深度神经网络（Robust Deep Neural Network, RDNN）模型，有效克服了训练集中噪声标签对深度学习模型的影响，缓解了深度学习模型对大量像素级、精细标注全监督数据的依赖。该方法可拓展应用于包括建筑物提取、土地利用类型分类、植被提取等多个场景，从而全方位提升遥感数据的自动化处理和分析能力，对深度学习模型产业化具有积极意义。
文章链接：https://ieeexplore.ieee.org/document/9205593郑州大学版权所有，禁止非法转载！2020-11-13 11:11:21
本文来源: 郑州大学
13.11.2020 11:11
