《表2 目标地物样本库：基于深度学习的农业区土地利用无人机监测分类》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的农业区土地利用无人机监测分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用CNN深度学习方法，基于高空间分辨率的无人机遥感影像，对农业区土地利用进行分类，基本流程如图4所示。在通过深度学习方法对特定的目标地物进行识别时，首先需要建立目标地物的样本库，样本库构建的质量直接影响利用深度学习识别目标地物的精度。因此，在建立样本库时，每类地物的样本库应该选取包含该类地物各种形态的面状样本数据，并且尽量保证每类样本库都是“较纯”样本库，即每类样本库内只存在本类样本，不掺杂其他类型的样本，以防止给模型的构建以及训练带来干扰，影响分类结果。研究区土地利用分类的样本库构建如表2所示，样本类型主要包括林地、裸地、建设用地、农作物以及大棚等，其中建设用地包括建筑物和道路等，裸地包括收割后未种植的耕地。然后利用构建的样本库训练模型，进而利用训练好的模型对研究区域进行土地利用分类，最终对分类结果进行精度评价。