公开(公告)号：CN112926482B

公开(公告)日：2024-07-19

申请号：CN202110261885.0

申请日：2021-03-10

Applicant: 辽宁工程技术大学

Inventor： 李宛潼 ,  杜阳 ,  戴激光

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于多尺度残差卷积神经网络的道路提取方法，包括：输入带标签的遥感影像训练数据集；利用改进神经网络对带标签的道路数据集进行卷积训练；网络训练。本发明的基于多尺度残差卷积神经网络的道路提取方法主要通过利用多尺度卷积替代单一尺度卷积扩宽网络宽度，提升网络获取影像初级特征的能力，丰富不同阶段的影像分层特征，达到缓解特征层分辨率降低的目的；凭借残差连接的“捷径”功能，避免反向传播阶段的梯度过度更新，提升网络训练效率；为了降低多尺度卷积导致的训练参数激增的影响，使用全局均值池化精简网络参数数量。

公开(公告)号：CN112926482A

公开(公告)日：2021-06-08

申请号：CN202110261885.0

申请日：2021-03-10

Applicant: 辽宁工程技术大学

Inventor： 李宛潼 ,  杜阳 ,  戴激光

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于多尺度残差卷积神经网络的道路提取方法，包括：输入带标签的遥感影像训练数据集；利用改进神经网络对带标签的道路数据集进行卷积训练；网络训练。本发明的基于多尺度残差卷积神经网络的道路提取方法主要通过利用多尺度卷积替代单一尺度卷积扩宽网络宽度，提升网络获取影像初级特征的能力，丰富不同阶段的影像分层特征，达到缓解特征层分辨率降低的目的；凭借残差连接的“捷径”功能，避免反向传播阶段的梯度过度更新，提升网络训练效率；为了降低多尺度卷积导致的训练参数激增的影响，使用全局均值池化精简网络参数数量。