Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于改进的DeeplabV3+神经网络的遥感图像云检测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:自然资源部国土卫星遥感应用中心

摘要:本发明公开了一种改进的DeeplabV3+神经网络的云检测方法,包括:输入图像到Xception主干网络,通过Xception主干网络对图像进行卷积、函数激活和池化,以提取图像不同层次的特征以及减小特征图的尺寸,输出特征图,并将特征图输入到改进的ASPP模块和解码区;对输入到改进的ASPP模块的特征图进行不同采样率的空洞卷积以及PPM金字塔池化模块的操作;整合输出不同尺度上下文信息的特征图,并经解码区输出图像;将卷积操作得到的低特征图与不同尺度上下文信息的特征图进行卷积上采样和融合,得到云检测结果;使用交叉熵损失函数作为该网络损失函数用以评估模型对训练数据的拟合程度;使用准确率、精确率、mIoU评价网络性能。

主权项:1.一种基于改进的DeeplabV3+神经网络的遥感图像云检测方法,其特征在于,所述方法包括以下步骤:步骤A、输入图像到Xception主干网络,通过Xception主干网络对图像进行卷积、函数激活和池化,以提取图像不同层次的特征以及减小特征图的尺寸,输出特征图,并将特征图输入到改进的ASPP模块和解码区;步骤B、对输入到改进的ASPP模块的特征图进行不同采样率的空洞卷积以及PPM金字塔池化模块的操作;整合输出不同尺度上下文信息的特征图,并经解码区输出图像;将卷积操作得到的低特征图与不同尺度上下文信息的特征图进行卷积上采样和融合,得到云检测结果;步骤C、使用交叉熵损失函数作为该网络的损失函数用以评估模型对训练数据的拟合程度;使用准确率、精确率、mIoU评价网络性能;所述改进的ASPP模块为:在空间金字塔ASPP模块中去掉原有的池化层,并替换为一个PPM金字塔池化模块,以更好的捕捉上下文信息,提高分割精度。

全文数据:

权利要求:

百度查询: 自然资源部国土卫星遥感应用中心 基于改进的DeeplabV3+神经网络的遥感图像云检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。