论文部分内容阅读
准确获取城市无序固废堆场的位置和范围，有助于相关部门开展固废排查工作，对于创建“无废”城市具有重大意义。本文针对传统城市固废地面调查难以大范围高效监测固废堆场分布、现有基于遥感技术的方法存在固废堆场识别效率与可靠性低下等突出问题，将高分遥感与深度学习相结合，提出一种基于Mask R-CNN 实例分割模型的智能化固废堆场高分遥感识别方法。实验表明，本文方法的固废堆场识别结果可以很好地匹配地面真实值，同时该方法面对大范围场景能够快速地完成固废识别任务，证明本文方法对于固废堆场的识别具有较强的应用潜力。