一种基于MaskRCNN实例分割模型的智能化固废堆场高分遥感识别方法

一种基于MaskRCNN实例分割模型的智能化固废堆场高分遥感识别方法.pdf
准确获取城市无序固废堆场的位置和范围,有助于相关部门开展固废排查工作,对于创建“无废”城市具有重大意义.本文针对传统城市固废地面调查难以大范围高效监测固废堆场分布、现有基于遥感技术的方法存在固废堆场识别效率与可靠性低下等突出问题,将高分遥感与深度学习相结合,提出一种基于MaskR-CNN实例分割模型的智能化固废堆场高分遥感识别方法.实验表明,本文方法的固废堆场识别结果可以很好地匹配地面真实值,同时该方法面对大范围场景能够快速地完成固废识别任务,证明本文方法对于固废堆场的识别具有较强的应用潜力.
作者：张蜀军慎利邓旭王浩
作者单位：西南交通大学地球科学与环境工程学院,四川成都611756
母体文献：2020年全国有机固废处理与资源化利用高峰论坛论文集
会议名称：2020年全国有机固废处理与资源化利用高峰论坛  
会议时间：2020年11月10日
会议地点：长沙
主办单位：中国环境科学学会
语种：chi
分类号：TP3TU9
关键词：固体废弃物  堆场识别  遥感监测  深度学习
在线出版日期：2021年6月15日
基金项目：
相似文献
相关博文

2024-12-1 06:06 上传 一种基于MaskRCNN实例分割模型的智能化固废堆场高分遥感识别方法.pdf

文件大小:

1.44 MB

下载次数:

60

高速下载