遥感影像样本自动生成与智能迭代分类方法
针对先验知识未能有效指导智能分类、智能分类与样本采集相对独立的问题,提出遥感影像样本自动生成与智能迭代分类方法.首先利用遥感影像及对应的历史解译数据构建样本数据集;其次利用深度卷积神经网络模型进行训练,得到预训练模型;再次利用预训练模型对即时遥感影像进行智能分类,得到智能分类结果;最后将校正后分类结果反馈到样本数据集,完成样本数据集的更新,利用更新后的样本数据集对智能分类模型进行迭代优化,形成模型与样本的优化闭环.试验结果表明:该方法通过样本自动生成与更新,以及模型迭代训练,能够提升智能分类模型精度,为解决先验知识未充分利用、智能分类与样本采集相对独立、分类结果未实时反馈等问题提供思路.
遥感影像分类、样本数据集、智能迭代分类、深度学习
47
P237(摄影测量学与测绘遥感)
中央级公益性科研院所基本科研业务费项目;中央级公益性科研院所基本科研业务费项目;中央级公益性科研院所基本科研业务费项目
2022-12-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
197-203