[发明专利]一种基于深度学习的遥感图像云识别方法在审
| 申请号： | 201810872933.8 | 申请日： | 2018-08-02 |
| 公开（公告）号： | CN109255294A | 公开（公告）日： | 2019-01-22 |
| 发明（设计）人： | 王玉柱;陆君宇 | 申请（专利权）人： | 中国地质大学（北京） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06F16/953;G06N3/04 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 孙进华;吴林 |
| 地址： | 100083*** | 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： | 本发明公开了一种基于深度学习的遥感图像云识别方法，该方法包括：遥感云图像的自动获取，将遥感图像制作成训练集并扩大现有训练集，以及训练集中标签的制作；构造基于SegNet神经网络结构的、具有多尺度卷积核的、高度对称的，并且最后使用反卷积层对特征图进行还原的深度卷积神经网络；在网络训练时防止过拟合、欠拟合和梯度消失问题，采用分段训练的方法；在训练完成后，利用所得到权值文件进行遥感图像的特征提取，并将其在像素级别上进行云检测。本发明的遥感图像云识别深度卷积神经网络利用多尺度卷积和高度对称性提高了检索的准确性。 | ||
| 搜索关键词： | 遥感图像 卷积神经网络 多尺度 训练集 拟合 神经网络结构 高度对称性 特征提取 网络训练 像素级别 自动获取 反卷积 卷积核 特征图 卷积 制作 分段 还原 对称 检索 遥感 标签 图像 学习 检测 | ||
【主权项】：
1.一种基于深度学习的遥感图像云识别的方法，其特征在于：构造基于SegNet神经网络结构的、具有多尺度卷积核的、高度对称的，并且使用反卷积层对特征图进行还原的深度卷积神经网络，采用两段训练的方法进行训练，利用等卷积结构对图像进行特征提取，在池化层中保留位置信息，最后利用反卷积层进行还原。
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中国地质大学（北京），未经中国地质大学（北京）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/201810872933.8/，转载请声明来源钻瓜专利网。
