針對遙感影像人工解譯耗時長、效率低等弊端,借助國家超級計算長沙中心計算資源優(yōu)勢,采用基于卷積神經(jīng)網(wǎng)絡強大的特征抽象能力和自主學習能力,將下采樣和上采樣過程相互對應,采用編碼-解碼結構,利用編碼器逐步降低池化層的空間維度,解碼器一步步恢復目標細節(jié)和空間維度,提升深度學習模型的精度和效率。通過引入跳躍結構,將下采樣過程中池化層的輸出特征圖加入到上采樣過程中,實現(xiàn)高維粗糙特征和淺層精細特征的融合,提升遙感影像語義分割效果,實現(xiàn)遙感影像特征識別、變化檢測和跨模型融合計算,可應用于農(nóng)作物、森林植被、建筑、土地、河流等目標信息及變化狀態(tài)的智能識別。