申请/专利权人:西南林业大学
申请日:2023-09-20
公开(公告)日:2023-12-22
公开(公告)号:CN117274803A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/764;G06V10/82;G06V10/77;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.09#实质审查的生效;2023.12.22#公开
摘要:本发明公开了一种基于DSC‑DC卷积神经网络的树种分类方法及系统,该方法包括:采集目标区域的高光谱影像,并对所述高光谱影像进行预处理;建立包含1个输入层、由第1层、第3层、第5层和第8层为可分离卷积层以及第2层、第4层和第7层为深度卷积层,共同构建的7个卷积层、由第6层和第9层为池化层,共同构建的2个池化层、1个展平层、2个全连接层、1个随机失活层和1个输出层的DSC‑DC分类模型;将预处理后的高光谱影像输入建立的DSC‑DC分类模型中,获得输出的树种分类结果。本发明通过结合深度可分离卷积和扩张卷积,能够在多树种小样本情况下,提高分类准确性的同时提高了计算效率,为树种分类领域的实际应用提供了一种有力的解决方案。
主权项:1.基于DSC-DC卷积神经网络的树种分类方法,其特征在于,所述方法包括以下步骤:S1:采集目标区域的高光谱影像,并对所述高光谱影像进行预处理;S2:建立包含1个输入层、7个卷积层、2个池化层、1个展平层、2个全连接层、1个随机失活层和1个输出层的DSC-DC分类模型;S3:将预处理后的高光谱影像输入建立的DSC-DC分类模型中,获得输出的树种分类结果;其中,所述DSC-DC分类模型中,包括:由第1层、第3层、第5层和第8层为可分离卷积层以及第2层、第4层和第7层为深度卷积层,共同构建的7个卷积层;由第6层和第9层为池化层,共同构建的2个池化层;其中,第3层和第7层的卷积层采用扩张卷积,扩张率为2和4。
全文数据:
权利要求:
百度查询: 西南林业大学 基于DSC-DC卷积神经网络的树种分类方法及系统
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。