申请/专利权人：济南市勘察测绘研究院

申请日：2023-04-25

公开（公告）日：2023-09-05

公开（公告）号：CN116704378A

主分类号：G06V20/17

分类号：G06V20/17;G06V20/10;G06V10/764;G06V10/58;G06V10/80;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.22#实质审查的生效;2023.09.05#公开

摘要：本发明公开了一种基于自生长卷积神经网络的国土测绘数据分类方法，包括：构建卷积神经网络模型包括光谱特征提取模块和空间特征提取模块用于从光谱和空间两个方面提取对应特征信息，特征融合模块融合光谱和空间分别对应的特征信息，网络输出模块将融合的特征信息进行分类；利用有标签数据集对模型进行训练；在每次训练后，选择部分无标签数据添加至有标签数据集，同时判断模型是否满足自生长，若满足，增加光谱特征提取模块和空间特征提取模块以更新模型，利用新的有标签数据集对更新的模型继续进行训练，直至满足停止条件，输出训练好的模型；利用训练好的模型对待分类数据进行分类。本发明可以获得更好的高光谱图像分类性能。

主权项：1.一种基于自生长卷积神经网络的国土测绘数据分类方法，其特征在于，包括：利用无人机搭载相机拍摄国土测绘图像数据；其中，所述国土测绘图像数据包括少量的有标签数据集和大量的无标签数据集；构建卷积神经网络模型；所述卷积神经网络模型包括光谱特征提取模块和空间特征提取模块构成的基础特征提取模块，以及特征融合模块、网络输出模块，其中，所述光谱特征提取模块和所述空间特征提取模块分别用于从光谱和空间两个方面提取对应特征信息，所述特征融合模块用于融合光谱对应的特征信息和空间对应的特征信息，所述网络输出模块用于将融合的特征信息进行分类；利用所述有标签数据集对构建的卷积神经网络模型进行迭代训练；在每一次迭代训练完成后，从所述无标签数据集中选择部分无标签数据添加至有标签数据集，同时判断卷积神经网络模型是否满足自生长条件，若满足，则在基础特征提取模块中分别增加一光谱特征提取模块和一空间特征提取模块以更新卷积神经网络模型，再利用新的有标签数据集对更新的卷积神经网络模型继续进行训练，若不满足，则保持卷积神经网络模型，再利用新的有标签数据集对保持的卷积神经网络模型继续进行训练，直至满足迭代停止条件，输出训练好的卷积神经网络模型；利用所述训练好的卷积神经网络模型对拍摄的待分类国土测绘图像数据进行分类。

全文数据：

权利要求：

百度查询： 济南市勘察测绘研究院 一种基于自生长卷积神经网络的国土测绘数据分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD