论文部分内容阅读
针对利用简单特征提取道路信息的模型存在效果不佳、普适性较差的缺点,提出在目标任务仅有少量道路数据情况下,通过迁移学习构建快速提取各种复杂场景道路信息的模型。该模型针对包含大量道路信息的高分辨率影像数据,根据数据特征来调节深度残差网络(ResNet)中的网络结构与权重参数,结合自适应全卷积网络,实现道路信息的初步提取。在此基础上,通过图斑降噪与区域连通获得精确的道路信息。结果表明,在一般硬件条件上,仅需很短耗时,就可以快速获得目标区域的高精度道路信息。