【技术实现步骤摘要】
本专利技术涉及火灾等级预测，具体涉及一种基于改进glnet的弱云雾遥感图像的火灾风险等级预测方法。
技术介绍
0、技术背景
1、在当前社会和环境背景下，火灾成为了一个严重威胁人们生命、财产和生态环境的问题，然而，在弱云雾天气条件下，火灾风险等级的准确预测变得尤为重要和具有挑战性，传统的卷积神经网络(cnn)模型，如alexnet、vgg、resnet、googlenet等，虽然在图像分类任务中表现出色，但它们在处理弱云雾遥感图像时面临一些困难。
2、具体而言，传统cnn模型存在以下问题：
3、(1)局部特征不足：弱云雾天气下，图像中的关键信息可能被模糊或掩盖，传统cnn模型在提取全局和局部特征时无法捕捉到这些关键信息；
4、(2)尺度变化：山火风险等级的预测需要考虑多个尺度上的信息，包括远景和细节，传统cnn模型无法有效地处理多尺度信息，导致预测不准确；
5、(3)对弱云雾的适应性差：传统cnn模型通常在清晰图像分类中表现良好，但在弱云雾条件下性能下降，因为它们没有专门设计来克...
【技术保护点】
1.一种基于GLNet的弱云雾遥感图像火灾风险等级预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于GLNet的弱云雾遥感图像火灾风险等级预测方法，其特征在于，对划分后的数据集使用多尺度随机噪声的加和来合成弱云雾图像，用以模拟弱云雾的现实情况，图像预处理包括：通过翻转、镜像处理、裁剪中的任意一种方法对图像数据进行增强，提升模型的泛化能力，最后将经过以上操作的图像转换为模型可读的tensor数据。
3.根据权利要求1所述的一种基于GLNet的弱云雾遥感图像火灾风险等级预测方法，其特征在于，所述GLNet网络中包含有1个多次叠加...
【技术特征摘要】
1.一种基于glnet的弱云雾遥感图像火灾风险等级预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于glnet的弱云雾遥感图像火灾风险等级预测方法，其特征在于，对划分后的数据集使用多尺度随机噪声的加和来合成弱云雾图像，用以模拟弱云雾的现实情况，图像预处理包括：通过翻转、镜像处理、裁剪中的任意一种方法对图像数据进行增强，提升模型的泛化能力，最后将经过以上操作的图像转换为模型可读的tensor数据。
3.根据权利要求1所述的一种基于glnet的弱云雾遥感图像火灾风险等级预测方法，其特征在于，所述glnet网络中包含有1个多次叠加lw_block组块构建的轻量化全局编码器模块global encoding和1个多次叠加salw_block组块构建的轻量化局部编码器模块localencoding，轻量化全局编码器模块global encoding提取输入图像的全局特征，轻量化局部编码器模块local encoding提取输入图像的局部特征，并在层与层之间使用hswish来增强激活函数的非线性特性，提高神经网络的拟合能力和性能从而增加模型的表达能力和学习能力，通过global encoding与local encoding分别对输入遥感图像的进行全局特征与局部特征的提取，最后将特征图进行融合。
4.根据权利要求3所述的一种基于glnet的弱云雾遥感图像火灾风险等级预测方法，其特征在于，轻量化全局编码器模块global encoding中的lw_block组块包含1个1×1的卷积、1个3×3的最大池化卷积、1个7×7的非对称卷积、1个3×3的深度可分离卷积和1个3×3的空洞卷积，这五种不同尺度的卷积将全局图像中不同尺度的特征进行融合，能够增强模型捕捉目标特征的能力，提高模型的性能，其中，非对称卷积减少了标准卷积的计算复杂度；深度可分离卷积增加了该组块的特征多样性，降低了模型参数量；空洞卷积在不丢失分辨率的情况下扩大感受野旨...
【专利技术属性】
技术研发人员：王媛媛，宋照渝，李亚州，朱俊勋，严少峰，黄佳泷，江飞龙，王超，王梅峰，张海艳，高尚兵，吕品荣，邓博阳，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。