报告简介：报告将围绕着人工智能中的深度学习方法，通过遥感数据样本学习、训练，提升模型的鲁棒性和智能化服务能力。报告分为遥感大数据深度学习和信息精准提取的研究背景和意义、主要研究内容、多个实际应用案例和主要结论四个部分，将主要针对目前国土空间规划中“多规合一”这个核心问题，基于深度学习的视角下，通过对地物特征的深度表达，进行地物要素的精准识别、获取和制图。针对深度学习在多源高分辨率遥感数据语义分割中的研究进展和存在的主要问题，提出并构建了基于多尺度特征融合的门控式残差标注优化网络、多尺度滤波器并行神经网络、融合视觉注意力引导标注优化网络和基于对抗迁移学习机制的语义分割迁移等模型，并将这些模型实际应用于我国自然资源要素遥感数据精准识别与获取，其中包括数字化的农业管理、建筑物边界的提取、多种场景下单木提取与种间分类以及乔/灌木林的提取等，为实现遥感数据的智能化精准识别与提取提供有效的技术支撑。
报告视频PPT分享
转载请注明：http://www.0431gb208.com/sjszlfa/460.html
