[发明专利]基于纹理描述和深度学习的阈值可学习局部二进制网络的构建方法以及遥感图像分类方法有效
| 申请号： | 201910983119.8 | 申请日： | 2019-10-16 |
| 公开（公告）号： | CN110781936B | 公开（公告）日： | 2022-11-18 |
| 发明（设计）人： | 何楚;张清怡;刘新龙;石紫珊 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774;G06V10/82;G06N3/08 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 罗飞 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于纹理描述和深度学习的阈值可学习局部二进制网络的构建方法，首先取遥感图像数据集，然后加载在ImageNet数据集上预训练好的ResNet‑50网络模型，并将ResNet‑50网络模型的最后一层全连接层的输出维数修改为与图像类别对应的维数，并在遥感图像数据集上对ResNet‑50网络模型进行训练；接着基于深度学习的思想优化手工特征LBP，得到阈值可学习的LBP方法，然后将阈值可学习方法作为LBP层与在ImageNet数据集上预训练好的ResNet‑50网络模型串联，得到阈值可学习的局部网络LBPNet；再将在数据集上收敛的ResNet‑50深度模型与LBPNet并联，构建基于纹理描述和深度学习的阈值可学习局部二进制网络TLBPNet。本发明可以提高遥感图像的分类性能。 | ||
| 搜索关键词： | 基于 纹理 描述 深度 学习 阈值 局部 二进制 网络 构建 方法 以及 遥感 图像 分类 | ||
【主权项】：
1.基于纹理描述和深度学习的阈值可学习局部二进制网络的构建方法，其特征在于，包括：/n步骤S1：获取遥感图像数据集，将数据集平均分成两个不重叠的子数据集，分别用于训练和交叉验证；/n步骤S2：加载在ImageNet数据集上预训练好的ResNet-50网络模型，并将ResNet-50网络模型的最后一层全连接层的输出维数修改为与图像类别对应的维数，并在遥感图像数据集上采用随机梯度下降和反向传播算法进行微调，通过反复的迭代学习得到在数据集上收敛的ResNet-50深度模型；/n步骤S3：基于深度学习的思想优化手工特征LBP，得到阈值可学习的LBP方法，然后将阈值可学习方法作为LBP层与在ImageNet数据集上预训练好的ResNet-50网络模型串联，得到阈值可学习的局部网络LBPNet；/n步骤S4：将步骤S2中在数据集上收敛的ResNet-50深度模型与步骤S3中阈值可学习的局部网络LBPNet并联，构建基于纹理描述和深度学习的阈值可学习局部二进制网络TLBPNet。/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武汉大学，未经武汉大学许可，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/201910983119.8/，转载请声明来源钻瓜专利网。
