基于SegNet深度学习模型的海草床遥感识别方法、装置
申请人信息
- 申请人:南京信息工程大学
- 申请人地址:210044 江苏省南京市江北新区宁六路219号
- 发明人: 南京信息工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于SegNet深度学习模型的海草床遥感识别方法、装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410091088.6 |
| 申请日 | 2024/1/23 |
| 公告号 | CN117649607A |
| 公开日 | 2024/3/5 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 南京信息工程大学 |
| 发明人 | 王璐璐; 梁涵玮; 王胜强; 孙德勇; 张海龙 |
| 地址 | 江苏省南京市江北新区宁六路219号 |
摘要文本
本发明公开了一种基于SegNet深度学习模型的海草床遥感识别方法、装置，所述方法包括：对训练集和验证集按照第一影像尺寸和第二影像尺寸分别进行切割，得到第一影像尺寸训练集、第二影像尺寸训练集、第一影像尺寸验证集和第二影像尺寸验证集；对训练集中各个特征类别的像元进行加权，平衡每个特征类别的像元数量；使用第一影像尺寸训练集训练第一SegNet深度学习模型，使用第二影像尺寸训练集训练第二SegNet深度学习模型；根据模型识别效果，确定第一SegNet深度学习模型和第二SegNet深度学习模型中的最优识别模型；使用最优识别模型，识别目标区域的实际卫星遥感影像。采用上述技术方案，克服训练样本在不同特征类别上分布不平衡的问题，提升海草床识别准确度。 更多数据：搜索专利查询网来源：
专利主权项内容
1.一种基于SegNet深度学习模型的海草床遥感识别方法，其特征在于，包括：获取目标区域的卫星遥感影像，对卫星遥感影像中的像元进行特征标注，形成标签样本集；将标签样本集划分为训练集和验证集，对训练集按照第一影像尺寸和第二影像尺寸分别进行切割，得到第一影像尺寸训练集和第二影像尺寸训练集；对验证集按照第一影像尺寸和第二影像尺寸分别进行切割，得到第一影像尺寸验证集和第二影像尺寸验证集；对训练集中各个特征类别的像元进行加权，平衡每个特征类别的像元数量；使用第一影像尺寸训练集训练第一SegNet深度学习模型，使用第二影像尺寸训练集训练第二SegNet深度学习模型；使用第一影像尺寸验证集输入第一SegNet深度学习模型，使用第二影像尺寸验证集输入第二SegNet深度学习模型，获得相应的识别结果，根据识别效果，确定第一SegNet深度学习模型和第二SegNet深度学习模型中的最优识别模型；使用最优识别模型，用于识别目标区域的实际卫星遥感影像中的海草床区域；实际卫星遥感影像经过最优影像尺寸切割，最优影像尺寸与最优识别模型训练时用于切割的影像尺寸对应。 （来 自 马 克 数 据 网）