一种基于改进MobileNet v2的遥感图像分类方法及系统技术方案

本发明专利技术提供一种基于改进MobileNet v2的遥感图像分类方法及系统，其中，方法包括：步骤1：获取遥感图像分类数据集；步骤2：预处理遥感图像分类数据集；步骤3：根据处理数据，获取第一输出特征；步骤4：多尺度混合卷积第一输出特征获取第二输出特征；步骤5：交叉融合第二输出特征获取第三输出特征；步骤6：根据第三输出特征确定有用信息；步骤7：根据有用信息进行分类预测；步骤8：根据分类预测结果进行迭代，确定目标网络模型，基于遥感图像分类任务，确定分类结果。本发明专利技术的一种基于改进MobileNet v2的遥感图像分类方法及系统，交叉融合不同尺度的特征信息，分类准确率更高，引入注意力机制，识别效率更高。

【技术实现步骤摘要】

本专利技术涉及深度学习，特别涉及一种基于改进mobilenet v2的遥感图像分类方法及系统。

技术介绍

1、对遥感图像进行分类是地理信息系统(gis)、环境监测、城市规划、农业管理、灾害评估和许多其他领域中的一项关键任务。遥感图像分类可以帮助识别和监测不同类型的土地利用和覆盖，比如：森林、农田、城市地区和水体等。遥感分类也可以辅助城市规划者了解城市扩张模式，识别非法建筑，并规划未来的基础设施发展。农民和农业专家可以使用遥感图像来监测作物健康，评估作物产量，以及管理灌溉和施肥。另外，遥感图像分类可以迅速评估自然灾害(比如：洪水、火灾和地震)对地表的影响，从而帮助救援团队定位受灾区域并制定救援计划。

2、mobilenet v2是一种轻量化且准确率高的网络，基于mobilenet v1网络，它保留了其简单性，并且不需要任何特殊的运算符，同时显著提高了它的准确性，广泛应用于计算机视觉领域的各种应用场景。

3、申请号为：cn202210749334.3的专利技术专利公开了一种耦合知识图谱与深度神经网络的遥感图像挖掘方法，其中，方法包括：步本文档来自技高网...

【技术保护点】

1.一种基于改进Mobi leNet v2的遥感图像分类方法，其特征在于，包括：

2.如权利要求1所述的一种基于改进Mobi leNet v2的遥感图像分类方法，其特征在于，步骤2：对遥感图像分类数据集进行预处理，获得处理数据，包括：

3.如权利要求1所述的一种基于改进Mobi leNet v2的遥感图像分类方法，其特征在于，步骤4：对第一输出特征进行多尺度混合卷积，获取第二输出特征，包括：

4.如权利要求3所述的一种基于改进MobileNet v2的遥感图像分类方法，其特征在于，还包括：

5.如权利要求1所述的一种基于改进MobileNe...

【技术特征摘要】

1.一种基于改进mobi lenet v2的遥感图像分类方法，其特征在于，包括：

2.如权利要求1所述的一种基于改进mobi lenet v2的遥感图像分类方法，其特征在于，步骤2：对遥感图像分类数据集进行预处理，获得处理数据，包括：

3.如权利要求1所述的一种基于改进mobi lenet v2的遥感图像分类方法，其特征在于，步骤4：对第一输出特征进行多尺度混合卷积，获取第二输出特征，包括：

4.如权利要求3所述的一种基于改进mobilenet v2的遥感图像分类方法，其特征在于，还包括：

5.如权利要求1所述的一种基于改进mobilenet v2的遥感图像分类方法，其特征在于，步骤6：对第三输出特征进行权重计算，确...

【专利技术属性】
技术研发人员：李先锋，罗豪，韦逸飞，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：