近日，地球科學與技術學院與河南省超算中心高性能地理計算團隊聯(lián)合開展了研究，并在高性能地理計算方向取得積極進展，相關研究成果以題為“Robust Deep Neural Networks for Road Extraction from Remote Sensing Images”的學術論文，發(fā)表在國際頂尖期刊IEEE Transactions on Geoscience and Remote Sensing上。鄭州大學為第一作者單位，博士生李盼樂為第一作者，赫曉慧教授為通訊作者。

遙感與人工智能的結合是高性能地理計算方向的一個重要著力點，深度神經(jīng)網(wǎng)絡（Deep Neural Network, DNN）為遙感影像道路提取提供了一種新的技術手段，獲得了廣泛關注。然而，深度學習模型的性能嚴重依賴于大規(guī)模、精細化標注的訓練集。該研究通過將深度學習模型與噪聲分布模型相結合，提出一種強魯棒深度神經(jīng)網(wǎng)絡（Robust Deep Neural Network, RDNN）模型，有效克服了訓練集中噪聲標簽對深度學習模型的影響，緩解了深度學習模型對大量像素級、精細標注全監(jiān)督數(shù)據(jù)的依賴。該方法可拓展應用于包括建筑物提取、土地利用類型分類、植被提取等多個場景，從而全方位提升遙感數(shù)據(jù)的自動化處理和分析能力，對深度學習模型產(chǎn)業(yè)化具有積極意義。

文章鏈接：https://ieeexplore.ieee.org/document/9205593鄭州大學版權所有，禁止非法轉載！2020-11-13 11:09:39