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，深度神經網絡（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網絡（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、精細標注全監督數據的依賴。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據的自動化處理和分析能力，對深度學習模型產業化具有積極意義。

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