2016年基于深度学习广东深圳市建筑用地分类结果矢量数据集

基于2.2m深圳市Google earth影像，采用联合深度学习(JDL)模型结合面向对象的图像处理方法，并通过包含迭代更新的马尔可夫过程来实现。JDL方法提供了一个通用框架，其中基于对象的多层感知机O-MLP和基于对象的卷积神经网络O-CNN提供互补的信息，使得两者在分类过程中通过迭代得到细化。基于Google影像，随机选取1000个建筑用地样本点，在JDL中，O-CNN进行的建筑用地分类以O-MLP预测的建筑用地概率为条件。反过来，这些建筑用地概率和原始图像被重新用作O-MLP的输入，以加强空间和光谱特征表征。这个O-MLP和O-CNN的更新过程形成了一个联合分布，并通过迭代同时进行分类，得到深圳市建筑用地分类图，然后在选取的500个样本点的测试集上进行精度验证，得到分类精度为90%，最后栅格转为矢量。时间范围是2016年，空间范围是宝安区、福田区、龙岗区、罗湖区、南山区、盐田区。