面向海洋遥感图像分析的并行增量深度学习方法技术

本发明专利技术公开了一种面向海洋遥感图像分析的并行增量深度学习方法，涉及海洋遥感技术领域。该方法在聚焦图像的相似性的基础上提出了一种易于移植的基于增量裁剪的训练和推理加速框架，可通过共享的相同区域计算达到加速网络计算的效果。此外，由于现有的增量加速技术由共享共同操作所产生的共享收益显然对输入序列的相似性非常敏感，而相似性很大程度上取决于输入顺序，本方案探索了一种新的感知语义差异的排序方法，将其应用到周期性视频序列和图像序列中，并据此展开多种性能优化技术研究。

【技术实现步骤摘要】

本专利技术涉及海洋遥感，具体涉及面向海洋遥感图像分析的并行增量深度学习方法。

技术介绍

1、全球海洋总面积约为3.6亿平方千米，约占地球表面积的71％，海洋为人类活动提供了丰富的资源和信息。海洋温度的一个细微波动，就可能导致世界各地的天气气候发生剧烈变化；洋流的运动会影响大气中水汽输送，从而影响降雨的分布。特殊的海洋检测技术可以及时捕获这些信息。

2、海洋遥感技术是探测海洋的有效手段，包括光、电等信息载体和声波遥感技术。海洋遥感图像往往包含大量的有用信息，但其中也包括相对冗余的数据。这些冗余可能来自于海洋环境的缓慢变化、特定天气条件下的图像相似性，或是由于传感器的工作原理导致的信息重叠。从这些图像中快速、高效地提取有效信息愈发成为一个重要课题。如今最高效的方式是利用深度神经网络处理这些数据。

3、深度学习(dl,deep learning)是机器学习(ml,machine learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(ai,artificialintelligence)。深度学习基于深本文档来自技高网...

【技术保护点】

1.面向海洋遥感图像分析的并行增量深度学习方法，其特征在于，包括以下步骤：

2.如权利要求1所述的面向海洋遥感图像分析的并行增量深度学习方法，其特征在于，基于数据重组的易移植增量训练框架包括以下步骤：

3.如权利要求1所述的面向海洋遥感图像分析的并行增量深度学习方法，其特征在于，基于数据语义重排序的增量推理加速技术包括以下步骤：

【技术特征摘要】

1.面向海洋遥感图像分析的并行增量深度学习方法，其特征在于，包括以下步骤：

2.如权利要求1所述的面向海洋遥感图像分析的并行增量深度学习方法，其特征在于，基于数据重组...

【专利技术属性】
技术研发人员：王志刚，何川，刘澳晴，魏志强，聂婕，倪欣，刘安安，孙正雅，李文辉，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：