基于自补偿卷积神经网络的遥感场景图像分类方法.pdf
一条****杉淑
亲,该文档总共32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
基于自补偿卷积神经网络的遥感场景图像分类方法.pdf
基于自补偿卷积神经网络的遥感场景图像分类方法,本发明涉及遥感场景图像分类方法。本发明的目的是为了解决现有方法无法实现模型分类精度和运行速度的均衡,不能使分类精度和运行速度同时达到最优的问题。过程为:步骤一、采集高光谱图像数据集和相对应的标签向量数据集;步骤二、建立自补偿卷积神经网络;步骤三、将高光谱图像数据集和相对应的标签向量数据集输入到建立的自补偿卷积神经网络中,进行迭代优化,得到最优自补偿卷积神经网络;步骤四、向最优自补偿卷积神经网络中输入待测高光谱图像进行分类结果预测。本发明用于遥感场景图像分类领域
基于卷积神经网络的遥感图像场景分类的开题报告.docx
基于卷积神经网络的遥感图像场景分类的开题报告一、选题背景及意义遥感技术作为获取地球表面信息的技术之一,在环境、农业、城市规划、能源等领域有着广泛的应用。然而,遥感图像数据量庞大,从中获取有效信息需要高度的技术和计算力支持。场景分类是遥感图像处理中的一个重要任务,即将遥感图像中的像素点分类为不同的场景类别,如道路、建筑物、水域、草地等,为进一步遥感图像应用提供基础数据。传统的场景分类方法基于特征提取和机器学习算法,但是因为遥感图像具有复杂的空间信息结构和多尺度特征,传统方法往往难以发挥效果。卷积神经网络(C
一种基于混合卷积神经网络的高光谱遥感图像分类方法.pdf
本发明公开了一种混合卷积神经网络的高光谱遥感图像分类方法。本发明包括:1、将3维和2维卷积神经网络进行串联,加入并行卷积块和非局部注意力模块,构建自定义的神经网络;2、将有标注的高光谱图像划分为若干有重叠的小数据立方体作为模型的输入;3、将样本按一定的比例划分为训练集和测试集;4、分批次将训练集样本输入神经网络进行训练,直到模型稳定;5、使用训练好的模型对高光谱图像进行分类,通过预先划分好的测试集评估模型的分类效果,并最终得到分类结果图。本发明充分利用高光谱遥感图像丰富的光谱信息和空间信息。同时在进行注意
基于卷积神经网络的图像分类技术.docx
基于卷积神经网络的图像分类技术童浩然+楚军+沈静静【摘要】随着大量带标记的数据库的开源使用和带有高性能GPU的计算机的发展推广,深度学习已然从理论走向实践,开始广泛地活跃于图像分类的舞台之上,其中变现最为突出的是卷积神经网络(Convolutionalneuralnetworks,CNNs),目前已经在大规模的识别与分类任务获得了瞩目的成果,突破了传统分类方法的极限并且已经首次达到优于人眼识别的地步。本次实验的重点是将CNN应用在实际的图像分类操作中,并对CNN进行优化与改进,采用Inception架构高
基于深度卷积神经网络的图像分类.doc
(完整word版)基于深度卷积神经网络的图像分类(完整word版)基于深度卷积神经网络的图像分类PAGE\*MERGEFORMAT-25-(完整word版)基于深度卷积神经网络的图像分类MACROBUTTONMTEditEquationSection2EquationChapter1Section1SEQMTEqn\r\h\*MERGEFORMATSEQMTSec\r1\h\*MERGEFORMATSEQMTChap\r1\h\*MERGEFORMATSHANGHAIJIAOT