在利用深度学习进行遥感影像目标语义分割的研究中经常会遇到某类训练样本不足的情况数据集过小会造成模型的过拟合现象的产生。基于此问题本研究提出了适合于交通设施建设数据特点的虚拟样本生成方法。首先基于图像提取的方法对遥感影像中的识别类型地物进行提取然后利用交通设施区域的几何形状和纹理信息通过变换、旋转、缩放等方式生成一定数量的背景虚拟样本。最后将提取出的识别类型地物与虚拟背景样本进行融合处理生成新的虚拟

在遥感影像目标语义分割的深度学习研究中，不足的训练样本数会导致过拟合现象并影响模型性能。本研究提出了一种适用于交通设施建设数据的虚拟样本生成方法，以解决该问题。该方法首先通过图像提取技术从遥感影像中提取出目标地物，然后利用交通设施的几何形状和纹理信息进行变换、旋转、缩放等操作，生成一定数量的背景虚拟样本。最后将目标地物与虚拟背景样本进行融合处理，生成新的虚拟样本数据。研究结果表明，该虚拟样本生成方法可以有效地解决模型过拟合和识别类型数目不均等问题，并提高模型的泛化能力、稳定性和准确性。