基于GlobeLand30的智能解译样本动态制备方法

来源：湖北农业科学杂志2023年第9期北京时间：

作者：陈静1,2, 何翔宇3, 陈建胜1, 陈静波1, 邓毓弸1,2, 张学华4

单位：1.中国科学院空天信息创新研究院,北京 100101; 2.中国科学院大学电子电气与通信工程学院,北京 101400; 3.军委后勤保障部工程质量监督中心,北京 100142; 4.应急管理部国家减灾中心,北京 100124

摘要：从影像特征相似性出发研究基于Landsat-8影像相似性的智能解译样本动态制备方法,构造光谱相似度、纹理相似度、空间邻近度3种样本集选择方法。基于相同的U-Net+EfficientNet-B3语义分割网络,对比了根据3种测度下选择的样本影像所制备的样本集对总体分类精度的影响。结果表明,从历史成果数据中选择样本影像用于模型训练,是提高分类精度的有效方法;在3种样本影像选择策略中,空间邻近度可得到精度最高、方差最小的分类结果;历史成果数据中的错误标签会导致智能模型精度降低。

关键词：GlobeLand30,智能解译样本,动态制备方法,语义分割,数据集,Landsat-8,影像相似性

基金资助：中国科学院空天信息创新研究院自主部署项目（E1Z211010F）