[发明专利]一种基于FCN和CNN的云图分割方法有效
| 申请号： | 201710182281.0 | 申请日： | 2017-03-24 |
| 公开（公告）号： | CN107016677B | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 毋立芳;贺娇瑜;简萌;张加楠;邹蕴真 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06T7/10 | 分类号： | G06T7/10;G06N3/04;G06N3/08 |
| 代理公司： | 11203 北京思海天达知识产权代理有限公司 | 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： | 一种基于FCN和CNN的云图分割方法属于计算机视觉的图像分割领域。其特征在于：首先通过超像素对云图中每个像素点的近邻域实现相应的聚类同时将云图输入到不同步长的全卷积神经网络FCN32s和FCN8s中，实现云图的预分割结果；FCN32s结果图中的黑色区域一定是云图中的一部分“非云”区域，FCN8s结果图中的白色区域一定是云图中的一部分“云”区域；剩下不确定的区域即灰色区域需要通过深度卷积神经网络CNN来确定，需要选取超像素区域中的关键像素来代表超像素区域的特征，像素的特征通过CNN网络来判断是“云”或者是“非云”。本发明发现而精度与MR‑CNN、SP‑CNN相当，但是速度相比于MR‑CNN提高了880倍，相比于SP‑CNN提高了1.657倍。 | ||
| 搜索关键词： | 一种 基于 fcn cnn 云图 分割 方法 | ||
【主权项】：
1.一种基于FCN和CNN的云图分割方法，其特征在于：/n首先通过超像素对云图中每个像素点的近邻域实现相应的聚类，同时将云图输入到不同步长的全卷积神经网络FCN32s和FCN8s中，实现云图的预分割结果；FCN32s结果图中的黑色区域一定是云图中的一部分“非云”区域，FCN8s结果图中的白色区域一定是云图中的一部分“云”区域；/n剩下不确定的区域即灰色区域需要通过深度卷积神经网络CNN来确定，需要选取超像素区域中的关键像素来代表超像素区域的特征，像素的特征通过CNN网络来判断是“云”或者是“非云”，即能知道不确定部分的超像素区域是“云”还是“非云”；该CNN神经网络由5个卷积层C1、C2、C3、C4、C5和3个全连接层F1、F2、F3组成，其中卷积层C1、C2、C3、C4、C5逐层递进提取输入云图的局部特征，最后3个全连接层F1、F2、F3将卷积层C5输出的特征通过权值重新组合，并且只给卷积层C1、卷积层C2和卷积层C5加入了pooling层；将最后一个全连接层F3的神经元个数设置为2，实现“云”和“非云”的2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/201710182281.0/，转载请声明来源钻瓜专利网。
- 上一篇：无线通讯电子装置
- 下一篇：一种SIM卡增值数据对比用的现场数据监视仪
