TY - JOUR A2 - Camara, Jose S. AU - Huang, Liang AU - Wu, Xuequn AU - Peng, Qiuzhi AU - Yu，Xueqin PY - 2021 DA - 2021/03/01 TI -深度语义分割烟草种植地区的无人机遥感图像在高原山区SP - 6687799六世- 2021 AB -烟草在高原山区分散种植的特点,不平衡增长,混合/间作作物。采用面向对象的图像分析方法难以准确提取烟草种植区的有效特征。为此，本文依托深度学习特征自学习的优势。提出了一种基于深度语义分割模型的高原山区无人机遥感影像烟草种植区精确提取方法。首先，利用Labelme建立烟草语义分割数据集。采用DeeplabV3+、PSPNet、SegNet和U-Net四种深度语义分割模型对数据集中的样本数据进行训练。其中，为了减少模型训练时间，采用了MobileNet系列轻量级网络来替代原有的四种网络模型的骨干网。最后，利用训练后的网络对预测图像进行语义分割，并利用均值交集over Union (mIoU)来评价预测图像的准确性。实验结果表明，利用DeeplabV3+、PSPNet、SegNet和U-Net对71幅场景预测图像进行语义分割，得到的mIoU分别为0.9436、0.9118、0.9392和0.9473，语义分割的准确率较高。 The feasibility of the deep semantic segmentation method for extracting tobacco planting surface from UAV remote sensing images has been verified, and the research method can provide a reference for subsequent automatic extraction of tobacco planting areas. SN - 2314-4920 UR - https://doi.org/10.1155/2021/6687799 DO - 10.1155/2021/6687799 JF - Journal of Spectroscopy PB - Hindawi KW - ER -