论文研究 - 使用改进的Mask R-CNN从高分辨率遥感影像中对户外运动场进行实例分割

针对户外运动场所（足球场，篮球场，网球场和棒球场）的地物（特征）识别，提出了一种基于Mask R-CNN的物体识别方法和技术流程。 首先，通过对高空间分辨率遥感影像（HSRRSI）进行预处理，并收集户外运动场馆的人工样本，构建了识别土地覆盖特征的训练数据集。 其次，Mask R-CNN被用作适应户外运动场馆的基本训练模型。 第三，将识别结果与eCognition中的四种面向对象的机器学习分类方法进行了比较。 有效性验证的实验结果表明，Mask R-CNN不仅在技术程序上，而且在户外运动场所（足球场，篮球场，网球场和棒球场）的识别结果均优于传统方法，达到了精度0.8927，召回0.9356，平均精度0.9235。 最后，从实际工程应用的角度出发，使用并验证了训练有素的模型，分别对北京西城区和大兴区的HSRRSI进行了实证应用实验，并对Mask R-CNN训练后的模型进行了推广。经过彻底评估。