【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于深度学习的高分辨率遥感影像地类识别方法。
技术介绍
1、目前，高分辨率遥感图像判读通常使用深度学习方法来完成。然而现有技术用于对高分辨率遥感图像进行分类的深度学习网络依赖于人工创建的骨架，这种方法耗费大量人力和时间而且无法完全识别目标图像的内在特征。为了解决这些问题，本专利技术提出了一种深度网络骨架搜索方法。
技术实现思路
1、本专利技术的目的是设计一种解耦搜索方法来优化三层搜索空间，提供一种基于深度学习的高分辨率遥感影像地类识别方法。
2、为实现本专利技术目的，提供的技术方案如下：
3、一种基于深度学习的高分辨率遥感影像地类识别方法，包括以下步骤：
4、s1：以深度神经网络模型为基础构建地类搜索模型；
5、s2：对地类搜索模型进行优化，得到地类深度识别模型；
6、s3：采集高分辨率遥感图像，得到高分辨率遥感影像；
7、s4：将高分辨率遥感影像输入至地类深度识别模型，实现对地类的
<本文档来自技高网...【技术保护点】
1.一种基于深度学习的高分辨率遥感影像地类识别方法，其特征在于：其包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的高分辨率遥感影像地类识别方法，其特征在于：所述S2的中对地类搜索模型进行优化的方法采用了解耦策略，优化过程分为尺度路径、跨层连接和算子操作三个层面，优化的方法遵循基于梯度的方法逐层训练三层超网络，并在每层训练完成后解码生成新的搜索空间。
3.根据权利要求2所述的一种基于深度学习的高分辨率遥感影像地类识别方法，其特征在于：所述优化过程中将训练数据分成两份，分别训练模型的原始权重参数和构建搜索空间时引入的结构参数，用Ω表示网络
【技术特征摘要】
1.一种基于深度学习的高分辨率遥感影像地类识别方法，其特征在于：其包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的高分辨率遥感影像地类识别方法，其特征在于：所述s2的中对地类搜索模型进行优化的方法采用了解耦策略，优化过程分为尺度路径、跨层连接和算子操作三个层面，优化的方法遵循基于梯度的方法逐层训练三层超网络，并在每层训练完成后解码生成新的搜索空间。
3.根据权利要求2所述的一种基于深度学习的高...
【专利技术属性】
技术研发人员：王昆，韩霁昌，张扬，孙增慧，张庭瑜，雷娜，石磊，夏利恒，马晨光，
申请(专利权)人：陕西地建土地工程技术研究院有限责任公司，
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。