[发明专利]高分辨率遥感图像的场景识别系统及模型生成方法

权利要求书

1.一种高分辨率遥感图像的场景识别系统，其特征在于，包括用于对遥感图像场景识别的RFPNet网络模型，所述RFPNet网络模型包括卷积层组件、池化层组件及全连接层组件；

所述池化层组件中的每个池化层与所述全连接层组件中的全连接层相连，以用于将各池化层的特征向量维度降为一维；

所述卷积层组件中包含多个卷积层和多个残差模块，各残差模块均包括多个卷积层；

所述全连接层组件中与各池化层相连的全连接层通过级联方式将所述池化层组件的特征向量输入至不与池化层相连的全连接层中。

2.根据权利要求1所述的高分辨率遥感图像的场景识别系统，其特征在于，各残差模块均由三个卷积层构成，且其中两个卷积层的卷积核尺寸为1*1。

3.根据权利要求2所述的高分辨率遥感图像的场景识别系统，其特征在于，所述RFPNet网络模型的输入层组件还包括训练样本集主动读取模块，所述训练样本集主动读取模块用于采用队列或多线程方式从训练样本集中读取样本数据。

4.根据权利要求1至3任意一项所述的高分辨率遥感图像的场景识别系统，其特征在于，所述RFPNet网络模型还包括数据集扩增模块，所述数据集扩增模块用于对包含多张共享的高分辨遥感图像的训练样本集进行样本图像扩增操作，所述数据集扩增模块包括：

标注框标注子模块，用于在样本图像上生成预设个数的标注框；

图像截取子模块，用于随机裁剪所述样本图像上各标注框中的图像部分，以生成多个包含图像内容不完全相同的子图像；

图像调整子模块，用于采用尺寸调整算法将各子图像的图像尺寸调整为所述RFPNet网络模型输入图像的尺寸。

5.根据权利要求4所述的高分辨率遥感图像的场景识别系统，其特征在于，所述图像调整子模块还包括翻转单元和归一化单元；

所述翻转单元用于按照预设角度对每幅子图像进行翻转；

所述归一化单元用于对每幅子图像的亮度进行归一化处理。

6.根据权利要求1至3任意一项所述的高分辨率遥感图像的场景识别系统，其特征在于，所述卷积层组件中不用于构建残差模块的卷积层构成集合为单卷积层集；所述单卷积层集中的各卷积层的卷积核尺寸值沿输入图像的处理方向减小。

7.根据权利要求6所述的高分辨率遥感图像的场景识别系统，其特征在于，所述全连接层组件还包括模型优化模块，所述模型优化模块设置在不与池化层相连的全连接层中，用于采用Dropout算法随机删除所述RFPNet网络模型中的多个隐藏单元。

8.根据权利要求7所述的高分辨率遥感图像的场景识别系统，其特征在于，所述RFPNet网络模型的输出层组件还包括参数更新频率控制模块，所述参数更新频率控制模块用于利用预先构建的滑动平均模型通过不断更新衰减率来控制所述RFPNet网络模型变量更新的幅度。

9.根据权利要求8所述的高分辨率遥感图像的场景识别系统，其特征在于，所述RFPNet网络模型的输出层组件包括Softmax分类器和损失函数模块；

所述损失函数模块用于利用参数范数正则化方法为损失函数增加参数范数惩罚项。

10.一种用于识别高分辨率遥感图像的场景的模型生成方法，其特征在于，包括：

在预先搭建训练环境中构建用于对遥感图像场景识别的RFPNet网络模型的框架结构；所述RFPNet网络模型包括多个由卷积层构成的残差模块，各池化层分别与预设个数的全连接层相连，且与各池化层相连的全连接层通过级联方式将池化层的特征向量输入至不与池化层相连的全连接层中；

利用训练样本集的高分辨率遥感图像训练所述RFPNet网络模型直至满足预设结束条件，得到训练好的RFPNet网络模型。