公开(公告)号：CN113920421B

公开(公告)日：2023-06-27

申请号：CN202110753343.5

申请日：2021-07-03

Applicant: 桂林理工大学

Inventor： 周国清 ,  刘伟光 ,  徐嘉盛

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种快速分类的全卷积神经网络R‑MobileNetV3(large)+SegNet模型。该模型将SegNet模型的编码层VGG16网络替换为R‑MobileNetV3(large)轻量级网络，引入比率为1，2，4的混合空洞卷积扩大局部感受野，消除信息捕捉不足问题，缩减解码器的卷积层数和卷积核数量，实现参数量更小的轻量级网络，用Softmax分类器分类。本发明通过3个不同实验区域验证训练好的模型，结果表明本发明实现快速高精度的对高分辨率遥感影像的像素级分类，减少了传统深度学习模型的参数和计算量，实现了很好的分类效果。

公开(公告)号：CN113920421A

公开(公告)日：2022-01-11

申请号：CN202110753343.5

申请日：2021-07-03

Applicant: 桂林理工大学

Inventor： 周国清 ,  刘伟光 ,  徐嘉盛

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种快速分类的全卷积神经网络R‑MobileNetV3(large)+SegNet模型。该模型将SegNet模型的编码层VGG16网络替换为R‑MobileNetV3(large)轻量级网络，引入比率为1，2，4的混合空洞卷积扩大局部感受野，消除信息捕捉不足问题，缩减解码器的卷积层数和卷积核数量，实现参数量更小的轻量级网络，用Softmax分类器分类。本发明通过3个不同实验区域验证训练好的模型，结果表明本发明实现快速高精度的对高分辨率遥感影像的像素级分类，减少了传统深度学习模型的参数和计算量，实现了很好的分类效果。