近日，地球科學(xué)與技術(shù)學(xué)院田智慧教授遙感與地理計(jì)算團(tuán)隊(duì)在道路智能提取方面取得新進(jìn)展，其成果分別以題為“Exploring Label Probability Sequence to Robustly Learn Deep Convolutional Neural Networks for Road Extraction with Noisy Datasets”和“Exploring Multiple Crowdsourced Data to Learn Deep Convolutional Neural Networks for Road Extraction”的學(xué)術(shù)論文，發(fā)表在遙感領(lǐng)域頂級(jí)期刊《IEEE Transactions on Geoscience and Remote Sensing》和地學(xué)領(lǐng)域頂級(jí)期刊《International Journal of Applied Earth Observation and Geoinformation》之上。其中，鄭州大學(xué)為第一作者單位，博士生李盼樂為第一作者，地球科學(xué)與技術(shù)學(xué)院赫曉慧教授為通信作者。

道路信息在城市規(guī)劃、市民出行、交通管理等應(yīng)用中發(fā)揮著極其重要的作用。近年來，隨著遙感技術(shù)和深度學(xué)習(xí)技術(shù)的發(fā)展，利用深度卷積神經(jīng)網(wǎng)絡(luò)開展高分辨率遙感影像道路提取任務(wù)迅速成為研究熱點(diǎn)。該成果充分利用模型后驗(yàn)信息、多源眾包道路矢量數(shù)據(jù)，構(gòu)建了序列深度學(xué)習(xí)方法和多標(biāo)簽整合模型，有效提高了深度道路提取模型的標(biāo)簽噪聲魯棒性，促進(jìn)了深度學(xué)習(xí)技術(shù)在遙感影像智能化解譯中的應(yīng)用。同時(shí)，改成果選取了鄭州市市區(qū)作為研究區(qū)域，實(shí)驗(yàn)結(jié)果表明該研究可實(shí)現(xiàn)大規(guī)模道路信息的高效、準(zhǔn)確提取，并可拓展至多個(gè)實(shí)際應(yīng)用領(lǐng)域。

該成果依托河南省重大科技專項(xiàng)“面向超算的黃河模擬器構(gòu)建與服務(wù)關(guān)鍵技術(shù)研究”，是地球科學(xué)與技術(shù)學(xué)院遙感與地理計(jì)算方向重要成果之一。

文章鏈接：

https://ieeexplore.ieee.org/document/9615159

https://www.sciencedirect.com/science/article/pii/S0303243421002518