-
公开(公告)号：CN108052966A
公开(公告)日：2018-05-18
申请号：CN201711291714.2
申请日：2017-12-08
Applicant: 重庆邮电大学
CPC classification number: G06K9/6268 , G06K9/6292 , G06N3/0454
Abstract: 本发明请求保护一种基于基于卷积神经网络的遥感图像场景自动提取和分类方法。主要创新点在于修改了一般情况下深度神经网络的输入特征图，增加了数据维度。主要解决目前遥感图像分辨率逐步提高，对于某些容易混淆的场景如居住区、公园、道路等的分类可能会出现由于训练样本数量的限制造成进一步的细分类中无法有效提取特征的问题。例如居住区中细分稀疏居住区和公园、密集居住区和密集商业区。本发明先利用深度学习或其他方法对待分类遥感图像进行逐像素基础地物类别分类，将分类后的结果专题图作为部分特征图与原本的场景图拼接输入神经网络进行训练及分类，使神经网络能够充分学习场景特征，提高分类识别精度。
-
公开(公告)号：CN108052966B
公开(公告)日：2021-02-09
申请号：CN201711291714.2
申请日：2017-12-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于基于卷积神经网络的遥感图像场景自动提取和分类方法。主要创新点在于修改了一般情况下深度神经网络的输入特征图，增加了数据维度。主要解决目前遥感图像分辨率逐步提高，对于某些容易混淆的场景如居住区、公园、道路等的分类可能会出现由于训练样本数量的限制造成进一步的细分类中无法有效提取特征的问题。例如居住区中细分稀疏居住区和公园、密集居住区和密集商业区。本发明先利用深度学习或其他方法对待分类遥感图像进行逐像素基础地物类别分类，将分类后的结果专题图作为部分特征图与原本的场景图拼接输入神经网络进行训练及分类，使神经网络能够充分学习场景特征，提高分类识别精度。
-
Search Results
2
records
(took 0.019 seconds)
