[發明專利]基于支路特征融合卷積網絡的遙感場景分類方法

有效

• 申請號: 202010484751.0
• 申請日: 2020-06-01
• 公開（公告）號: CN111723685B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 石翠萍;王濤;劉超;苗鳳娟
• 申請（專利權）人: 齊齊哈爾大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/80;G06V10/764;G06V20/10;G06K9/62;G06N3/04
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

1.基于支路特征融合卷積網絡的遙感場景分類方法，其特征在于：所述方法具體過程為：

步驟一、建立LCNN-BFF網絡模型；

步驟二、采用數據集訓練LCNN-BFF網絡模型，得到預訓練好的LCNN-BFF網絡模型；

步驟三、采用測試集驗證預訓練好的LCNN-BFF的準確率，若準確率達到要求，即得到訓練好的LCNN-BFF網絡模型，若準確率未達到要求，繼續采用數據集訓練LCNN-BFF網絡模型，直至達到準確率達到要求；

步驟四、采用訓練好的LCNN-BFF網絡模型對待識別遙感場景進行分類。

2.根據權利要求1所述基于支路特征融合卷積網絡的遙感場景分類方法，其特征在于：所述步驟一中建立LCNN-BFF網絡模型；具體為：

LCNN-BFF模型由輸入層、批量歸一化層、ReLU激活層、Group 1、Group 2、Group 3、Group 4、Group 5、Group 6、Group 7、Group 8、Group9構成；

Group 1中包括第一常規卷積層、第一深度可分離卷積層、批量歸一化層、ReLU激活層和第一最大池化層；

第一常規卷積層和第一深度可分離卷積層卷積核的大小為3×3，卷積輸出通道數為32，卷積步幅為1；第一最大池化層的池化大小為2×2，池化步幅為2；

輸入層輸出數據輸入第一常規卷積層，第一常規卷積層的輸出數據輸入批量歸一化層，批量歸一化層輸出數據輸入ReLU激活層，ReLU激活層處理后，輸入第一深度可分離卷積層；第一深度可分離卷積層的輸出數據輸入批量歸一化層，批量歸一化層輸出數據輸入ReLU激活層，ReLU激活層處理后，輸入第一最大池化層；

Group 2中包括第二常規卷積層、第二深度可分離卷積層、批量歸一化層、ReLU激活層和第二最大池化層；

第二常規卷積層和第二深度可分離卷積層卷積核的大小為3×3，卷積輸出通道數為64，卷積步幅為1；第二最大池化層的池化大小為2×2，池化步幅為2；

第一最大池化層輸出數據輸入第二常規卷積層，第二常規卷積層的輸出數據輸入批量歸一化層，批量歸一化層輸出數據輸入ReLU激活層，ReLU激活層處理后，輸入第二深度可分離卷積層；第二深度可分離卷積層的輸出數據輸入批量歸一化層，批量歸一化層輸出數據輸入ReLU激活層，ReLU激活層處理后，輸入第二最大池化層；

Group 3中包括第三常規卷積層、第四常規卷積層、第三深度可分離卷積層、批量歸一化層、ReLU激活層和第三最大池化層；

第三常規卷積層的卷積核大小為1×1，第四常規卷積層和第三深度可分離卷積層卷積核的大小為3×3，卷積輸出通道數為128，卷積步幅為1；第三最大池化層的池化大小為2×2，池化步幅為2；

第二最大池化層輸出數據輸入第三常規卷積層，第三常規卷積層的輸出數據輸入批量歸一化層，批量歸一化層輸出數據輸入ReLU激活層，ReLU激活層處理后，輸入第四常規卷積層；第四常規卷積層的輸出數據輸入批量歸一化層，批量歸一化層輸出數據輸入ReLU激活層，ReLU激活層處理后，輸入第三深度可分離卷積層；第三深度可分離卷積層的輸出數據輸入批量歸一化層，批量歸一化層輸出數據輸入ReLU激活層，ReLU激活層處理后，輸入第三最大池化層；

Group 4中包括兩條支路和第一BFF層：

第一支路包括第五常規卷積層和第四深度可分離卷積層；

第五常規卷積層和第四深度可分離卷積層的卷積核大小分別為1×1和3×3，卷積輸出的通道數為128；第五常規卷積層和第四深度可分離卷積層的卷積步幅分別為1和2；

第二支路包括第六常規卷積層、第七常規卷積層和第五深度可分離卷積層；

第六常規卷積層的卷積核大小為1×1，第七常規卷積層和第五深度可分離卷積層的卷積核大小為3×3，卷積輸出通道數為128；第六常規卷積層和第七常規卷積層的卷積步幅為1，第五深度可分離卷積層的卷積步幅為2；

第三最大池化層的輸出數據分別輸入第五常規卷積層和第六常規卷積層；

第五常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第四深度可分離卷積層；

第六常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第七常規卷積層；第七常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第五深度可分離卷積層；

第四深度可分離卷積層和第五深度可分離卷積層的輸出數據經批量歸一化層處理后，輸入第一BFF層；

Group 5中包含兩條支路和第二BFF層；

第一支路包括第八常規卷積層、第六深度可分離卷積層、第九常規卷積層、第七深度可分離卷積層；

第八常規卷積層的卷積核大小為1×1，第六深度可分離卷積層、第九常規卷積層和第七深度可分離卷積層的卷積核大小為3×3，卷積輸出通道數為256；第八常規卷積層、第六深度可分離卷積層和第九常規卷積層的卷積步幅為1，第七深度可分離卷積層的卷積步幅為2；

第二支路包括第十常規卷積層、第十一常規卷積層和第八深度可分離卷積層；

第十常規卷積層的卷積核大小為1×1，第十一常規卷積層和第八深度可分離卷積層的卷積核大小為3×3，卷積輸出通道數為256；第十常規卷積層和第十一常規卷積層的卷積步幅為1，第八深度可分離卷積層的卷積步幅為2；

第一BFF層的輸出數據經ReLU激活層處理后，分別輸入到第八常規卷積層和第十常規卷積層中；

第八常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第六深度可分離卷積層；第六深度可分離卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第九常規卷積層；第九常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第七深度可分離卷積層；

第十常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十一常規卷積層；第十一常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第八深度可分離卷積層；

第七深度可分離卷積層和第八深度可分離卷積層的輸出數據經批量歸一化層處理后，輸入第二BFF層；

Group 6中包括兩條支路和第三BFF層；

第一支路包括第十二常規卷積層和第九深度可分離卷積層；

第十二常規卷積層和第九深度可分離卷積層的卷積核大小分別為1×1和3×3，卷積輸出的通道數為256；第十二常規卷積層和第九深度可分離卷積層的卷積步幅分別為1和2；

第二支路包括第十三常規卷積層、第十四常規卷積層和第十深度可分離卷積層；

第十三常規卷積層的卷積核大小為1×1，第十四常規卷積層和第十深度可分離卷積層的卷積核大小為3×3，卷積輸出通道數為256；第十三常規卷積層和第十四常規卷積層的卷積步幅為1，第十深度可分離卷積層的卷積步幅為2；

第二BFF層的輸出數據經ReLU激活層處理后，分別輸入第十二常規卷積層和第十三常規卷積層；

第十二常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第九深度可分離卷積層；

第十三常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十四常規卷積層；第十四常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十深度可分離卷積層；

第九深度可分離卷積層和第十深度可分離卷積層的輸出數據經批量歸一化層處理后，輸入第三BFF層；

Group 7中包含兩條支路和第四BFF層；

第一支路包括第十五常規卷積層、第十一深度可分離卷積層、第十六常規卷積層、第十二深度可分離卷積層；

第十五常規卷積層的卷積核大小為1×1，第十一深度可分離卷積層、第十六常規卷積層和第十二深度可分離卷積層的卷積核大小為3×3，卷積輸出通道數為256，卷積步幅為1；

第二支路包括第十七常規卷積層、第十八常規卷積層和第十三深度可分離卷積層；

第十七常規卷積層的卷積核大小為1×1，第十八常規卷積層和第十三深度可分離卷積層的卷積核大小為3×3，卷積輸出通道數為256，卷積步幅為1；

第三BFF層的輸出數據經ReLU激活層處理后，分別輸入到第十五常規卷積層和第十七常規卷積層中；

第十五常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十一深度可分離卷積層；第十一深度可分離卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十六常規卷積層；第十六常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十二深度可分離卷積層；

第十七常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十八常規卷積；第十八常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十三深度可分離卷積層；

第十二深度可分離卷積層和第十三深度可分離卷積層的輸出數據經批量歸一化層處理后，輸入第四BFF層；

Group 8包括第十九常規卷積層、第二十常規卷積層和第十四深度可分離卷積層；

第十九常規卷積層的卷積核大小為1×1，第二十常規卷積層和第十四深度可分離卷積層的卷積核大小為3×3，卷積輸出通道數為512，卷積步幅為1；

第四BFF層的輸出數據經ReLU激活層處理后，輸入第十九常規卷積層；第十九常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第二十常規卷積層；第二十常規卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入第十四深度可分離卷積層；

Group 9包括全局平均池化層和Softmax分類器；

第十四深度可分離卷積層的輸出數據經批量歸一化層以及ReLU激活層處理后，輸入全局平均池化層，全局平均池化層輸出的數據輸入Softmax分類器中。