一种基于深度学习的遥感地物分类方法.pdf
是翠****ng
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的遥感地物分类方法.pdf
本发明公开了一种基于深度学习的遥感地物分类方法,本发明包括获取遥感地物分类数据集,构建遥感图像生成模型,将遥感地物分类数据集输入至遥感图像生成模型中,实现数据增强;构建用于遥感地物分类的神经网络模型,将数据增强后的遥感地物分类数据集输入至神经网络模型中进行训练,训练后生成最优权重。将任意遥感图像输入训练后的模型,生成遥感地物分类图像。本发明通过对遥感地物图像进行数据增强,平衡改善了各地物类型占比情况,提高了整体地物分类精度。通过构建的网络模型进行遥感地物分类,增强了对不规则大尺寸地物类型的提取效果,改善了
基于深度学习的遥感图像地物分割研究的开题报告.docx
基于深度学习的遥感图像地物分割研究的开题报告一、研究背景遥感图像地物分割是遥感技术领域的热门问题之一。它在城市规划、农业种植、森林资源管理等方面有着广泛的应用。传统的遥感图像地物分割方法往往采用手动确定分类特征和分类规则的方法,存在分类精度不高和依赖人工经验的缺点。深度学习技术的出现为遥感图像地物分割提供了新的思路,并取得了较好的效果。因此,本文旨在基于深度学习方法对遥感图像地物进行分割,提高分割精度和效率。二、研究内容和方法1、研究内容本文将以深度学习技术为基础,通过构建卷积神经网络对遥感图像进行地物分
基于深度学习的高分遥感影像分类方法研究.pdf
基于深度学习的遥感图像的分割方法.pdf
本发明属于图像处理技术领域,具体为基于深度学习的遥感图像的分割方法。本发明方法包括:选取包含若干种地物类别的遥感图像,制作图像分割标签;将大图像裁剪成若干较小的遥感图像,统计每张较小图像中各种类别比例,定义选取规则,保留部分图像,并将其定义为特定类别;利用迁移学习调取大型公开数据集的训练参数,用卷积神经网络训练制作好的分类数据集,训练得到模型参数;对测试图像的所有像素点周围选取多种测试窗口,基于多尺度对像素点进行类别分类;最后去除独立的类别噪声点,将测试结果优化。本发明实用性强,可以将大规模遥感图像快速生
一种基于深度学习的遥感图像语义分割方法.pdf
本发明公开了一种基于深度学习的遥感图像语义分割方法,包括以下步骤:获取数据集;对数据进行增广;构建segnet、unet网络模型;修改segnet网络,在编码器中的前两个阶段增加两个空洞空间金字塔池化(ASPP)模块,有效提取多尺度特征,保留空间位置信息,完成两个ASPP模块的训练后,在解码器中进行相应的特征融合;载入数据进行模型训练、预测;模型融合,将使用三个模型得到的预测图的每个像素点进行投票;对预测结果做可视化处理。本发明对segnet网络进行改进,增强了特征提取能力并有效的融合了网络的上下文信息,