[发明专利]基于深度残差纹理网络的地形识别方法及系统

摘要

本发明公开了一种基于深度残差纹理网络的地形识别方法及系统，包括：提出了深度残差纹理网络，在残差卷积网络中搭建一个纹理细节层，并且形成端到端的学习网络，使得DrtNet不仅可以提取地形图像的空间几何特征，还可以提取地形图像的纹理细节特征，成功地将传统描述子与卷积神经网络结合到一起，从而使得DrtNet具有更好的分类效果。实验结果证明，DrtNet在创建的SDU_Terrain dataset上的识别率和性能超过传统的方法和目前流行的CNNs，此外DrtNet在其他两个材料/纹理数据集上也取得不错的效果。

主权项

1.一种深度残差纹理网络模型，其特征在于，包括：卷积层、全局池化层、纹理细节层和分类器；所述卷积层的输出端分别连接全局池化层和纹理细节层，所述全局池化层和纹理细节层和输出端均连接分类器；卷积层提取图像的空间特征，分别输入到全局池化层和纹理细节层，所述全局池化层输出图像的整体空间几何特征，所述纹理细节层输出图像的纹理细节特征，将这两种特征拼接在一起输入到分类器。