[发明专利]一种深度学习的遥感影像水体提取系统在审
申请号: | 202010806778.7 | 申请日: | 2020-08-12 |
公开(公告)号: | CN111985372A | 公开(公告)日: | 2020-11-24 |
发明(设计)人: | 沈瑜;苑玉彬;杨志飞;王霖;张泓国;李丹丹;梁丽;王海龙 | 申请(专利权)人: | 兰州交通大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34;G06K9/62;G06K9/68;G06N3/04;G06T3/40 |
代理公司: | 北京金宏来专利代理事务所(特殊普通合伙) 11641 | 代理人: | 许振强 |
地址: | 730070 甘肃*** | 国省代码: | 甘肃;62 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 深度 学习 遥感 影像 水体 提取 系统 | ||
1.一种深度学习的遥感影像水体提取系统,其特征在于,包括:
S1、对训练图进行数据增强;
S2、对增强数据进行归一化处理;
S3、将处理数据输入到语义分割网络的编码器中,得到粗粒度语义图;
S4、将粗粒度语义图输入语义分割网络的解码器中,得到细粒度语义图;
S5、对粗粒度语义图和细粒度语义图进行非均匀采样;
S6、对粗粒度语义图和细粒度语义图进行特征融合;
S7、使用损失函数对网络进行调参,当损失函数值最小时输出,得到最优语义分割网络否则重复步骤S3~S6。
2.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于:所述训练图需分割处理,分割大小为512x512,并对与训练图对应的标签图像按照相同的方式分割。
3.根据权利要求2所述一种深度学习的遥感影像水体提取系统,其特征在于:所述数据增强操作方式为:向右旋转90°、180°、270°;左右翻转;上下翻转。
4.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于:所述数据进行归一化处理。采用最大最小标准化,将数据归一化到[0,1],计算式为:
式中x为原始图像;x'——归一化之后的图像;min(x)——图像像素最小值;max(x)——图像像素最大值。
5.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于:所述S3中,语义分割网络使用前需初始化处理。
6.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于:所述非均匀采样的选择策略为:在均匀分布中随机采样kN个点作为候选,k1,在kN中选择αN个最不确定的点,α∈[0,1];剩下的(k-α)N个点从均匀分布中随机采样。
7.根据权利要求1所述一种深度学习的遥感影像水体提取系统,其特征在于:所述S7中损失函数均采用Dice系数损失函数,计算式为:
式中|T|为真实语义图像素数量;|P|为预测语义图像素数量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于兰州交通大学,未经兰州交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010806778.7/1.html,转载请声明来源钻瓜专利网。