近年来, 随着遥感技术的快速发展, 遥感对地观测数据获取量与日俱增。在对海量遥感数据的特征提取与表征上, 基于深度学习的智能遥感影像解译技术展现出了显著优势。然而, 遥感影像智能处理框架和信息服务能力还相对滞后, 开源的深度学习框架与模型尚不能满足遥感智能处理的需求。
武汉大学遥感信息工程学院龚健雅院士团队在分析现有深度学习框架和模型的基础上, 针对遥感影像幅面大、尺度变化大、数据通道多等问题, 设计了嵌入遥感特性的专用深度学习框架, 并重点讨论了其构建方法, 以及地物分类任务的初步试验结果等。
结果表明，研究提出的智能遥感解译框架架构将为构建具备多维时空谱遥感特性的深度学习框架与模型提供有力支撑。
智能遥感深度学习框架与模型技术研究路线
国内外主要开源深度学习框架对比
责任编辑：宫在芹
