[发明专利]一种基于自动机器学习的遥感影像场景分类方法

权利要求书

1.一种基于自动机器学习的遥感影像场景分类方法，其特征在于，包括以下步骤：

步骤1，在原始遥感影像数据集D₀上进行N1个时期的神经网络结构搜索，N1为设定阈值，以获取在所述的原始遥感影像数据集上结构最优的深度神经网络A_N1；

步骤2，使用所述的最优的深度神经网络模型A_N1作为自动遥感影像数据增强过程中的基础网络，从原始遥感影像数据集D₀开始进行N2个时期的自动遥感影像数据增强，N2为设定阈值，以获得增强后的遥感影像数据集D_N2；

步骤3，利用所述的遥感影像数据集D_N2训练所述的最优的深度神经网络A_N1，训练过程由自动超参数优化控制；

步骤4，利用训练完成的深度神经网络模型进行遥感影像场景分类；

在步骤1中当所有遥感影像数据轮流在搜索过程中被使用了之后，即为完成了一个时期；在神经网络结构搜索的过程的每一个时期中，基于原始遥感影像数据集D₀进行自动深度神经网络结构搜索，记当前时期数为n，获得当前时期下的最优神经网络结构A_n；判断当前时期数n是否小于设定阈值N1，若小于设定阈值N1，则搜索进入下一个时期；若等于规定阈值N1，则构建结构最优的深度神经网络模型A_N1；

所述的神经网络结构搜索的过程为在训练深度神经网络的同时搜索深度神经网络的结构，包括以下步骤：

步骤101，固定深度神经网络的结构，对深度神经网络的权值计算一次梯度下降，从而更新深度神经网络的权值；

步骤102，固定深度神经网络的权值，对深度神经网络的结构进行一次搜索，并更新深度神经网络的结构参数；

步骤101和步骤102交替进行；

当全部时期的搜索完成后，则输出最优的深度神经网络的结构，并据以构建结构最优的深度神经网络模型；

在步骤2中，每个时期结束，得到当前时期下的遥感影像增强数据集D_m，记m为当前时期数；并判断当前时期数m是否小于设定阈值N2，若小于设定阈值N2，则进入下一个时期的影像增强过程；若等于设定阈值N2，则停止，且输出增强后遥感影像数据集；

在步骤2中所述的自动遥感影像数据增强的过程为在训练深度神经网络的同时进行自动遥感影像数据增强，包括以下步骤：

在每个时期中使用不同的数据增强策略，在自动遥感影像数据增强的每一个时期中生成多组遥感影像增强策略，比较多组遥感影像增强策略在遥感影像场景分类任务上的精度，选取其中精度最优的影像增强策略作为该时期的遥感影像增强策略；在获得所有时期的影像增强策略后，输出整个增强过程中的全时期的影像增强策略；采用最优的影像增强策略以获得增强后的遥感影像数据集。

2.根据权利要求1所述的遥感影像场景分类方法，其特征在于，步骤3中所述的自动超参数优化控制过程利用NNI这一自动机器学习框架，对参数进行自动调优。