遥感与地理信息系统学报

抽象的

通过遥感影像识别适合电动汽车充电的房屋的机器学习分类

詹姆斯·弗林，詹内蒂

在过去十年中，深度卷积神经网络 (DCNN) 已成为遥感图像分类的有力工具。在这篇多学科论文中，我们展示了机器学习在遥感领域的一种新应用，即开发一种工作流程来勘察城市地区适合电动汽车充电的住宅物业。微调迁移学习方法被提出作为一种分析遥感图像数据的新方法。一个由来自多个英国城镇的谷歌街景图像组成的独特数据集被用来训练可以比较三个神经网络，这是首次尝试使用机器学习对街景图像中的住宅车道进行分类。在两个城市地区测试完整工作流程时，整个系统的准确率分别达到 87.2% 和 89.3%。这一概念验证展示了深度学习在遥感、地理空间分析和城市规划领域的一个有前途的新应用。