（1）樣本标記
（2）目标識别
（3）動态監測
（4）遙感解譯
典型示例
基于DeepLabv3+的(de)草地(dì)智能提取
基于深度學習(xí)的(de)語義分割方法，引入DeepLabv3+卷積網絡模型，通(tōng)過樣本學習(xí)訓練，創建草地(dì)提取智能模型。該方法有(yǒu)效的(de)解決了傳統草地(dì)分類方法耗時(shí)耗力、誤差大、精度低(dī)的(de)問(wèn)題。
DeepLab模型
DeepLab模型的(de)基礎網絡:卷積層、池化(huà)層、激活函數、反卷積層。
DeepLabv3+模型的(de)訓練樣本由圖像數據和(hé)标簽數據兩部分組成。通(tōng)過深度學習(xí)對(duì)樣本數據不斷叠代訓練、學習(xí)草地(dì)特征。該方法解決了基礎網絡模型的(de)缺少與對(duì)象邊界相(xiàng)關信息的(de)問(wèn)題，并顯著提高(gāo)了運行性能和(hé)識别精度。
不同方法草地(dì)提取整體(tǐ)精度對(duì)比:
局部精度評價:
衛星影像解譯成果示例:
