公开(公告)号：CN114092832A

公开(公告)日：2022-02-25

申请号：CN202210065211.8

申请日：2022-01-20

Applicant: 武汉大学

Inventor： 李星华 ,  顾小虎 ,  管小彬 ,  沈焕锋

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于并联混合卷积网络的高分辨率遥感影像分类方法，具体步骤为：输入高分辨率遥感影像和相应的样本标签数据，包括训练样本数据集、测试样本数据集；并联搭建三维卷积神经网络和二维卷积神经网络，构建信息融合转换网络实现空谱特征信息融合以及深层次提取；批量输入训练样本数据集训练网络，构造交叉熵损失函数和随机梯度下降算法优化网络并更新参数，直至网络收敛；输入测试样本数据集到混合网络模型中，输出测试样本标签预测值，完成高分影像分类。本发明可同时提取高分遥感影像的空间特征和光谱特征，进行特征融合实现影像高效率高精度分类，在自然资源监测、地理国情普查、城市规划、气候变化等研究中提供重要作用。

公开(公告)号：CN114092832B

公开(公告)日：2022-04-15

申请号：CN202210065211.8

申请日：2022-01-20

Applicant: 武汉大学

Inventor： 李星华 ,  顾小虎 ,  管小彬 ,  沈焕锋

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于并联混合卷积网络的高分辨率遥感影像分类方法，具体步骤为：输入高分辨率遥感影像和相应的样本标签数据，包括训练样本数据集、测试样本数据集；并联搭建三维卷积神经网络和二维卷积神经网络，构建信息融合转换网络实现空谱特征信息融合以及深层次提取；批量输入训练样本数据集训练网络，构造交叉熵损失函数和随机梯度下降算法优化网络并更新参数，直至网络收敛；输入测试样本数据集到混合网络模型中，输出测试样本标签预测值，完成高分影像分类。本发明可同时提取高分遥感影像的空间特征和光谱特征，进行特征融合实现影像高效率高精度分类，在自然资源监测、地理国情普查、城市规划、气候变化等研究中提供重要作用。