公开(公告)号：CN107273502A

公开(公告)日：2017-10-20

申请号：CN201710463291.1

申请日：2017-06-19

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  徐欣 ,  夏英 ,  胡家鹏

IPC: G06F17/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于空间认知学习的图像地理标注方法,涉及深度学习及图像分类标注领域。该方法包括：对图像进行预处理，使训练集和验证集符合深度学习工具的输入格式；利用深度学习工具构建卷积神经网络，使用全局平均池化层学习图像特征的空间分布；使用训练集进行端到端的训练，使网络自动学习图像的地理特征，在训练过程修改网络的参数，使全局平均池化层对地理特征有高的敏感度；保存训练模型并用验证集对模型进行验证；使用保存好的训练模型对新的测试对象进行计算，得到图像的地理标注。本发明从输入图像中自动地学习图像中的地理特征，避免了人工选取特征的干扰，在大规模的图像地理特征学习任务中实现了自动、高效的特征学习。

公开(公告)号：CN107273502B

公开(公告)日：2020-05-12

申请号：CN201710463291.1

申请日：2017-06-19

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  徐欣 ,  夏英 ,  胡家鹏

IPC: G06F16/29 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于空间认知学习的图像地理标注方法,涉及深度学习及图像分类标注领域。该方法包括：对图像进行预处理，使训练集和验证集符合深度学习工具的输入格式；利用深度学习工具构建卷积神经网络，使用全局平均池化层学习图像特征的空间分布；使用训练集进行端到端的训练，使网络自动学习图像的地理特征，在训练过程修改网络的参数，使全局平均池化层对地理特征有高的敏感度；保存训练模型并用验证集对模型进行验证；使用保存好的训练模型对新的测试对象进行计算，得到图像的地理标注。本发明从输入图像中自动地学习图像中的地理特征，避免了人工选取特征的干扰，在大规模的图像地理特征学习任务中实现了自动、高效的特征学习。