公开(公告)号：CN114782821B

公开(公告)日：2024-03-22

申请号：CN202210539204.7

申请日：2022-05-18

Applicant: 桂林理工大学

Inventor： 付波霖 ,  李雨阳 ,  孙习东 ,  何宏昌 ,  范冬林 ,  邓腾芳

IPC: G06V20/10 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种联合多种迁移学习策略的滨海湿地植被遥感识别方法。该方法通过整合递归特征消除和主成分分析对无人机数据进行降维，降低了模型训练的时间成本，并提高了模型对红树林群落的识别能力；通过改进卷积神经网络的结构，提高了卷积神经网络的分割性能，进而提高了深度学习模型对红树林群落的边界的判别能力；通过运用不同的迁移学习策略，使得深度学习模型能低成本的应用于不同的红树林湿地，并提高了模型对红树林群落的分类精度和效率。

公开(公告)号：CN114782821A

公开(公告)日：2022-07-22

申请号：CN202210539204.7

申请日：2022-05-18

Applicant: 桂林理工大学

Inventor： 付波霖 ,  李雨阳 ,  孙习东 ,  何宏昌 ,  范冬林 ,  邓腾芳

IPC: G06V20/10 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种联合多种迁移学习策略的滨海湿地植被遥感识别方法。该方法通过整合递归特征消除和主成分分析对无人机数据进行降维，降低了模型训练的时间成本，并提高了模型对红树林群落的识别能力；通过改进卷积神经网络的结构，提高了卷积神经网络的分割性能，进而提高了深度学习模型对红树林群落的边界的判别能力；通过运用不同的迁移学习策略，使得深度学习模型能低成本的应用于不同的红树林湿地，并提高了模型对红树林群落的分类精度和效率。