-
公开(公告)号：CN108614997B
公开(公告)日：2021-05-11
申请号：CN201810300859.2
申请日：2018-04-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于改进AlexNet的遥感图像识别方法，属于人工智能图片分类领域，本发明先对遥感图像进行均匀裁剪，将裁剪后的图像分为训练集和验证集；将训练集输入改进AlexNet网络进行训练，生成训练后的网络模型：通过4层卷积层提取训练集中图像的特征图，并分别对前三个卷积层的输出进行池化堆叠，将经池化层堆叠后的输出再输入下一个卷积层中；将经过卷积后的输出再输入至两层全连接层中，采用随机梯度下降算法结合验证集对网络参数进行更新，生成训练后的网络模型；将待勘测图像输入生成的网络模型，得到遥感图像分类结果。本发明借助了卷积神经网络处理大量图片的准确性和稳定性，相较于传统的图片分类算法，该网络模型具有较高的识别率。
-
公开(公告)号：CN108614997A
公开(公告)日：2018-10-02
申请号：CN201810300859.2
申请日：2018-04-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于改进AlexNet的遥感图像识别方法，属于人工智能图片分类领域，本发明先对遥感图像进行均匀裁剪，将裁剪后的图像分为训练集和验证集；将训练集输入改进AlexNet网络进行训练，生成训练后的网络模型：通过4层卷积层提取训练集中图像的特征图，并分别对前三个卷积层的输出进行池化堆叠，将经池化层堆叠后的输出再输入下一个卷积层中；将经过卷积后的输出再输入至两层全连接层中，采用随机梯度下降算法结合验证集对网络参数进行更新，生成训练后的网络模型；将待勘测图像输入生成的网络模型，得到遥感图像分类结果。本发明借助了卷积神经网络处理大量图片的准确性和稳定性，相较于传统的图片分类算法，该网络模型具有较高的识别率。
-
公开(公告)号：CN110930343A
公开(公告)日：2020-03-27
申请号：CN201911153419.X
申请日：2019-11-22
Applicant: 南京信息工程大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于SR-MDCNN的遥感图像融合方法，属于人工智能图像融合领域，首先将获取到的遥感图像进行均匀分割，使图片的尺寸满足网络设定的输入图像；接下来将裁剪后的图像进行双三次插值再下采样得到低质量图像，将低质量图像作为输入，高质量图像作为目标图像的标签制作训练数据集，将图像输入超分辨率多尺度空洞卷积神经网络的遥感图像进行训练；在网络模型loss值达到预期要求后导出模型；再将测试集图片输入到训练好的模型中，根据模型的输出得到高质量的多光谱图像，最后使用SFIM算法对高质量的多光谱图像和全色图像进行融合，优点在于借助了卷积神经网络处理图像的准确性和稳定性，相较于传统的图像融合算法，该网络模型具有较好的融合效果。
-
-
Search Results
3
records
(took 0.027 seconds)
