[发明专利]基于分组式主动学习在光学遥感图像上的识别方法

权利要求书

1.一种基于分组式主动学习在光学遥感图像上的识别方法，其特征在于，包括下列步骤：

构建识别网络，数据集初始化；

使用的训练样本为UcMerced_LandUse数据集和AID数据集，规则化所有样本数据尺寸为256x256；

选取10％的数据导入所述识别网络训练，获取真实数据种类；

选取10％的数据导入所述识别网络训练，获取真实数据种类的过程中，包括下列步骤：

选取10％的数据在所述识别网络训练；

选取训练结果的低层网络作为特征提取器；

使用所述特征提取器对所有剩余样本进行特征提取；

根据特征结果获得预估簇数，配合整体数据及训练数据，获取真实数据种类；

其中，使用所述特征提取器对所有剩余样本进行特征提取的具体步骤为，截取输出层前一层的全连接层作为特征提取器，在所述UcMerced_LandUse数据集上划分为3组、在所述AID数据集划分为6个组别进行代表性提取，用于簇内聚类；

聚类处理10％～15％阶段数据；

聚类处理10％～15％阶段数据的具体步骤为，采取聚类方式找寻聚类心中点最近的样本，并将新的5％样本添加进入训练集

信息熵15％～20％阶段数据，筛选20％～25％阶段数据；

信息熵15％～20％阶段数据，筛选20％～25％阶段数据的具体步骤为，添加之后丢弃全连接层更改低，中，高层比重为0.4，0.4，0.2，进行训练得到新的网络后，再次筛选20～25％；

使用最优次优策略筛选25％～30％阶段数据；

重复数据处理步骤至40％，获取识别结果。

2.如权利要求1所述的基于分组式主动学习在光学遥感图像上的识别方法，其特征在于，构建识别网络，数据集初始化的具体步骤为，选取两个样本集进行训练，获取两个直接训练的识别网络，两个所述识别网络交叉作为对方的迁移学习的预训练网络模型，并读入网络结构用于初始化。

3.如权利要求2所述的基于分组式主动学习在光学遥感图像上的识别方法，其特征在于，所述预训练网络模型为GoogleNet模型。