基于终身学习的遥感影像解译方法与流程

文档序号:34030734发布日期:2023-05-05 11:18阅读:来源:国知局

技术特征:

1.基于终身学习的遥感影像解译方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于终身学习的遥感影像解译方法,其特征在于,步骤s7中,选择策略为:

3.根据权利要求2所述的基于终身学习的遥感影像解译方法,其特征在于,动态可扩展解译子模型包括卷积神经网络和扩展器,其中卷积神经网络用于完成解译任务,扩展器用于对卷积神经网络进行扩展。

4.根据权利要求3所述的基于终身学习的遥感影像解译方法,其特征在于:

5.根据权利要求4所述的基于终身学习的遥感影像解译方法,其特征在于,扩展动态可扩展解译子模型包括:

6.根据权利要求4所述的基于终身学习的遥感影像解译方法,其特征在于,重训练动态可扩展解译子模型包括:

7.根据权利要求1所述的基于终身学习的遥感影像解译方法,其特征在于,步骤s5中,对第二场景分类结果与第一场景分类结果进行计算的方法为距离计算。

8.根据权利要求7所述的基于终身学习的遥感影像解译方法,其特征在于,距离计算的过程为:

9.根据权利要求3所述的基于终身学习的遥感影像解译方法,其特征在于,初始的动态可扩展解译子模型中卷积神经网络的结构包括:

10.根据权利要求1所述的基于终身学习的遥感影像解译方法,其特征在于,场景分类器为残差网络resnet-50。


技术总结
本发明公开了一种基于终身学习的遥感影像解译方法,涉及遥感影像处理领域,包括:S1 构建组合模型;S2 获取训练样本对组合模型进行预训练,得到第一场景分类结果;S3 获取待解译遥感影像,并进行均匀裁剪;S4 将裁剪后的待解译遥感影像依次输入组合模型,得到第二场景分类结果和解译信息;S5 计算得到场景差异值;S6 计算得到解译损失值;S7 基于场景差异值和解译损失值设置选择策略,根据选择策略对动态可扩展解译子模型进行重训练、扩展的选择,得到最终的组合模型;S8 通过最终的组合模型对新解译遥感影像进行解译。本发明实现了基于动态可扩展网络的面向遥感解译的终身学习,避免了终身学习中常见的灾难性遗忘问题。

技术研发人员:张广益,陈宇,鲁锦涛,吴皓,张玥珺,李洁,邹圣兵
受保护的技术使用者:北京数慧时空信息技术有限公司
技术研发日:
技术公布日:2024/1/12
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1