[发明专利]一种基于全卷积神经网络的大尺度遥感图像楼房分类方法有效
| 申请号： | 201811006869.1 | 申请日： | 2018-08-29 |
| 公开（公告）号： | CN109117894B | 公开（公告）日： | 2022-05-27 |
| 发明（设计）人： | 闫敬文;袁振国;陈宏达;彭鸿 | 申请（专利权）人： | 汕头大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 周增元;曹江 |
| 地址： | 515000 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于全卷积神经网络的大尺度遥感图像楼房分类方法。首先，通过在计算网络模型的每层池化层前，融合上一层池化前的特征改善池化造成的图像信息丢失问题；其次，考虑大尺度遥感图像楼房分类的不平衡问题，改进常规的交叉熵损失函数，提出基于FocalLoss损失函数的加权损失函数WFL(Weighted FocalLoss)。本发明公开的一种基于全卷积神经网络的大尺度遥感图像楼房分类方法能够高效准确的生成与原始图像具有同样尺寸大小的二值分类映射图，在大尺度遥感图像楼房分类领域具有重要的实际应用意义，可以为城镇规划、演变提供可靠的技术支持。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 尺度 遥感 图像 楼房 分类 方法 | ||
【主权项】：
1.一种基于全卷积神经网络的大尺度遥感图像楼房分类方法，其特征在于，包括以下步骤：S1：将输入数据为图像和标签，将所述图像依次经过至少三个跳跃基本单元，S2：将上述输出结果交替输入三个融合层、两个上采样层得到预测映射；S3：将所述预测映射与所述标签计算基于FocalLoss损失函数的加权损失函数；S4：通过反向传播修正网络权重，迭代训练，直到训练结束；S5：输入数据为图像经过上述步骤依次处理，将原始图像切割成适用于网络的小图像块，将预测的小图像块映射拼接，得到原始大尺度遥感图像的楼房分布预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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汕头大学，未经汕头大学许可，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/patent/201811006869.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于人体姿态的动作识别方法及装置
- 下一篇：数据聚类方法、装置及存储介质
