TY - Jour Au - Yao，Yao Au - Qian，Chen Au-Hong，叶腹 - 关，青峰Au - 陈，京明坝 - 戴，辽洋坳 - 江，张伟奥 - 梁，XUN PY - 2020 DA - 202004/14 TI - 用高空间分辨率远程传感图像SP - 8018629 VL - 2020 AB - 工作和住房的空间分布模式在城市规划中起着至关重要的作用，绘制了混合的城市“工作室”模式和交通建设。然而，以精细规模获得就业住房分布（例如，个人工作 - 住房属性的角度）由于缺乏社交媒体数据和有用的模型而呈现困难。通过在中国的基于位置的服务提供商中获取的用户数据，本研究采用了一个具有深度特性网络（BAGNET）的袋子，将遥感（RS）图像分类为各种作业住房类型。考虑到武汉，作为中国发展最快的城市之一，作为案例研究区，在土地 - 包裹水平获得了三种就业住房类型（即，仅工作，只工作，仅限于工作和生活）。我们证明多尺度随机采样方法可以减少图像噪声的影响，提高培训数据的利用率，并降低网络过度拟合。通过改变网络结构和培训策略，Bagnet实现了良好的拟合精度，用于识别每个工作室类型（总体精度> 0.84和Kappa> 0.8）。我们首次证明可以使用深层学习技术从高分辨率RS图像获得城市社会经济特性。此外，我们得出结论，武汉内的混合水平目前不高; however, Wuhan is continuously improving the mixture of jobs and housing. This study has reference value for extracting urban socioeconomic characteristics from RS images and could be used in urban planning as well as government management. SN - 1076-2787 UR - https://doi.org/10.1155/2020/8018629 DO - 10.1155/2020/8018629 JF - Complexity PB - Hindawi KW - ER -