[发明专利]一种基于深度学习的遥感影像自动标注方法有效
| 申请号： | 201410039584.3 | 申请日： | 2014-01-28 |
| 公开（公告）号： | CN103823845B | 公开（公告）日： | 2017-01-18 |
| 发明（设计）人： | 陈华钧;黄梅龙;江琳;陶金火;杨建华;郑国轴;吴朝晖 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 杭州天勤知识产权代理有限公司33224 | 代理人： | 胡红娟 |
| 地址： | 310027 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的公开了一种基于深度学习的遥感影像自动标注方法，该遥感影像自动标注方法首先提取待标注遥感影像的视觉特征向量，然后以视觉特征向量为DBM模型的输入对待标注遥感影像进行自动标注，该方法中实用的DBM模型由下自上依次包括可见层、第一隐层、第二隐层和标签层，该模型通过训练得到。本发明的遥感影像自动标注方法中所使用的深度玻尔兹曼机模型中包括两个隐层（分别为第一隐层和第二隐层），通过设置两个隐层有效填补图像语义标注过程中的“语义鸿沟”问题，提高整体的标注准确率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 遥感 影像 自动 标注 方法 | ||
【主权项】：
一种基于深度学习的遥感影像自动标注方法，其特征在于，包括：(1)提取待标注遥感影像的底层特征向量构建得到相应遥感影像的视觉特征向量；(2)将所述的视觉特征向量输入训练好的深度玻尔兹曼机模型进行自动标注；所述步骤(2)中训练好的深度玻尔兹曼机模型通过以下步骤得到：(S1)创建包含若干个文本标签的标签词典；(S2)根据标签词典选择相应类别的已标注有文本标签遥感影像作为模型训练数据集；(S3)提取各张遥感影像的底层特征向量构建得到相应遥感影像的视觉特征向量，并根据标签词典和文本标签确定各个遥感影像的文本特征向量；(S4)构建深度玻尔兹曼机模型，所述的深度玻尔兹曼机模型从下至上依次包括可见层、第一隐层、第二隐层和标签层，各层中的任意两个节点无连接，相邻层之间的任意两个节点双向连接；(S5)利用模型训练数据集中所有遥感影像的视觉特征向量和文本特征向量对所述的深度玻尔兹曼机模型进行训练，得到训练好的深度玻尔兹曼机模型。
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浙江大学，未经浙江大学许可，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/201410039584.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种治疗功能性消化不良的药物组合物
- 下一篇：一种液体皂
