[發明專利]基于ResNet50和DeeplabV3+的卷積神經網絡的遙感圖像變化檢測方法在審
| 申請號： | 202010777887.0 | 申請日： | 2020-08-05 |
| 公開（公告）號： | CN111899249A | 公開（公告）日： | 2020-11-06 |
| 發明（設計）人： | 王民水;王明常;楊國東 | 申請（專利權）人： | 吉林大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/10;G06N3/04 |
| 代理公司： | 北京君泊知識產權代理有限公司 11496 | 代理人： | 李丹 |
| 地址： | 132000 吉林*** | 國省代碼： | 吉林;22 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 resnet50 deeplabv3 卷積 神經網絡 遙感 圖像 變化 檢測 方法 | ||
1.基于ResNet50和DeeplabV3+的卷積神經網絡的遙感圖像變化檢測方法，其特征在于步驟如下：
(1)數據選?。簲祿x取訓練集和驗證集兩幅遙感變化檢測圖像；
(2)創建語義分割：利用deeplabv3plusLayers函數創建基于ResNet50網絡的語義分割網絡，使用建筑物數據集訓練得到建筑物提取語義分割網絡，然后修改網絡卷積層使其支持輸入6通道圖像；
(3)創建隨機補片：使用RandomPatchExtractionDatastore函數從一個包含真實的圖像數據存儲和包含像素標簽的數據存儲中提取多個對應大小為224*224的隨機補片，通過遷移學習方式完成變化檢測網絡的訓練；
(4)驗證結果：通過驗證數據集檢驗變化檢測的精度。
2.根據權利要求1所述的基于ResNet50和DeeplabV3+的卷積神經網絡的遙感圖像變化檢測方法，其特征在于，所述DeeplabV3+是在DeepLabV3網絡的基礎上，連接一個比較復雜的Decoder模塊改造成一個Encoder-Decoder結構，Encoder網絡可選擇使用ResNet或Xception進行基礎特征提取，然后使用空洞卷積提取不同感受野的特征圖，最后用1x1的卷積混合特征信息。
3.根據權利要求1所述的基于ResNet50和DeeplabV3+的卷積神經網絡的遙感圖像變化檢測方法，其特征在于，所述Decoder是通過主干網提取的細節信息，對Encoder混合出來的小分辨率抽象特征進行上采樣，通過Concate的方式混合，再經過3x3的卷積和上采樣之后恢復出輸入圖分辨率的預測結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于吉林大學，未經吉林大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010777887.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種基于熱成像技術的眼科房水檢測方法
- 下一篇：一種即時濕巾制作裝置及方法
