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。

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