陈 功，刘佳莹，姚 远，吴 岘，王 林，周 冰，王雪浩，王 黎，江 桥

(中南电力设计院有限公司，湖北 武汉 430071)

1 研究背景及应用现状

电力输电线路工程勘测设计中，首先需要进行输电线路通道的地形图测制，采集通道内的典型地物要素(房屋、植被、水体、居民地、耕地、道路等)信息，目前主要采取多源遥感数据(高清卫片、航片及无人机影像等)测图的方式。这种方式依靠人工方式采集数据，劳动强度大、效率低、人为误差大，已经成为制约输电线路工程地理信息获取和更新的瓶颈问题。因此，研究输电线路通道内典型地物的智能识别和提取，提高测图效率，满足电网地理信息系统的数据自动获取与更新的需要，具有非常重要的意义。

传统的目标检测识别方法难以适应海量数据，其所依赖的特征表达是通过人工设计的，耗时较长，并且强烈依赖于专业知识和数据本身的特征，很难从海量的数据中学习出一个有效的分类器以充分挖掘数据之间的关联[1～3]。因此需要寻求一种能够“智能”学习特征的方法，通过对大量数据本身的学习，获取其中最有效的特征表征，建立有效的分类器[7,8,15]。

近年来，随着深度学习技术的发展，在遥感领域的应用也越来越广泛[4～6]。,用于各种地物对象的识别，如舰船，飞机，桥梁，油库等目标[11～14]，同时也深度学习已被应用于遥感影像地表覆盖分类、变化检测、建筑物提取、道路提取、遥感影像场景识别等任务的处理中[8,9]。鉴于深度学习在影像处理方面的优秀表现，在电网工程中也选择将深度学习用于输电线路通道典型地物智能识别提取[10]。……