[发明专利]基于深度学习的多模态遥感影像高层特征融合分类方法有效
| 申请号： | 201711379681.7 | 申请日： | 2017-12-20 |
| 公开（公告）号： | CN108052911B | 公开（公告）日： | 2021-12-07 |
| 发明（设计）人： | 贺琪;黄冬梅;李瑶;杜艳玲;查铖;李明慧 | 申请（专利权）人： | 上海海洋大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 上海卓阳知识产权代理事务所(普通合伙) 31262 | 代理人： | 巫蓓丽 |
| 地址： | 201306 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的多模态遥感影像高层特征融合分类方法，其包括以下步骤：多模态遥感数据集的预处理，制作高层特征提取器的训练集、验证集、测试集，用于高层特征提取器模型参数的构建；多模态高层特征提取器的模型构建，用于提取多个模态遥感影像的高层特征；多模态遥感影像高层特征的提取与存储，用于多分类器的训练、验证与测试；高层特征融合算法，用于制作分类器的训练集、验证集与测试集；分类器模型参数的构建，用于新产生的数据集的分类。本发明通过深度学习可以在遥感影像地物分类中取得显著效果，适用于复杂、海量的遥感影像分类，具有精度高、快速、高效、安全的特点，从而提高遥感影像的利用率以及遥感影像的利用价值。 | ||
| 搜索关键词： | 基于 深度 学习 多模态 遥感 影像 高层 特征 融合 分类 方法 | ||
【主权项】：
1.一种基于深度学习的多模态遥感影像高层特征融合分类方法，其特征在于，包括以下步骤：步骤1，多模态遥感数据集的预处理，制作高层特征提取器的训练集、验证集、测试集，用于高层特征提取器模型参数的构建；步骤2，多模态高层特征提取器的模型构建，用于提取多个模态遥感影像的高层特征；步骤3，多模态遥感影像高层特征的提取与存储，用于多分类器的训练、验证与测试；步骤4，高层特征融合算法，用于制作分类器的训练集、验证集与测试集；步骤5，分类器模型参数的构建，用于新产生的数据集的分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海海洋大学，未经上海海洋大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711379681.7/，转载请声明来源钻瓜专利网。
