论文部分内容阅读
为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型(WGAN)进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效率;同时,经过WGAN优化后,生成样本模拟了原始数据的颜色与纹理特征分布规律,增加了原始数据的多样性,满