[发明专利]基于多尺度深度特征融合和迁移学习的遥感影像场景分类方法有效
| 申请号： | 201910762295.9 | 申请日： | 2019-08-19 |
| 公开（公告）号： | CN110555446B | 公开（公告）日： | 2023-06-02 |
| 发明（设计）人： | 张菁;赵晓蕾;卓力;田吉淼 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06V10/80 | 分类号： | G06V10/80;G06V10/774;G06V10/46;G06V10/82;G06N3/0464;G06N3/084 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 刘萍 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明针对遥感影像场景的分类问题，提出了一种基于多尺度深度特征融合和迁移学习的遥感影像场景分类方法。本发明首先使用高斯金字塔算法获得多尺度的遥感影像，输入到全卷积神经网络中，提取到多尺度深度局部特征；然后将图像裁剪到CNN所需固定大小，输入网络中获得全连接层的全局特征，使用紧凑双线性池化操作编码多尺度深度局部特征和CNN获得的全局特征，通过融合两种深度特征共同表示遥感影像，增强特征之间的相互关系，使获得的特征更具有区分性；最后利用迁移学习技术，结合上述两种方法，对遥感影像场景进行分类。本发明卷积神经网络使用VGG16‑Net作为基础网络。 | ||
| 搜索关键词： | 基于 尺度 深度 特征 融合 迁移 学习 遥感 影像 场景 分类 方法 | ||
【主权项】：
1.一种基于多尺度深度特征融合和迁移学习的遥感影像场景分类方法，其特征在于：/n首先，模仿人眼视觉系统特性，获得不同尺度下遥感影像特征，采用高斯金字塔算法来获取多尺度的遥感影像，去掉VGG16-Net最后三个全连接层作为全卷积神经网络，将多尺度的遥感影像作为全卷积神经网络的输入，获得多尺度的局部特征；其次，将数据集图像裁剪到VGG16-Net所需固定大小224×224，输入到网络中获得全局特征，然后用紧凑双线性池化操作融合之前得到的多尺度深度局部特征和CNN获得的全局特征，获得更具区分性的特征；最后，在VGG16-Net上进行预训练，将模型参数迁移到所设计网络进行微调，实现对遥感影像场景的分类。/n
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北京工业大学，未经北京工业大学许可，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/201910762295.9/，转载请声明来源钻瓜专利网。
- 上一篇：特征提取方法和装置及对象识别装置
- 下一篇：火灾的检测方法、装置及存储介质
