CN115761297B 一种基于边缘引导的注意神经网络自动识别滑坡的方法 （郑州大学）_第1页
CN115761297B 一种基于边缘引导的注意神经网络自动识别滑坡的方法 （郑州大学）_第2页
CN115761297B 一种基于边缘引导的注意神经网络自动识别滑坡的方法 （郑州大学）_第3页
CN115761297B 一种基于边缘引导的注意神经网络自动识别滑坡的方法 （郑州大学）_第4页
CN115761297B 一种基于边缘引导的注意神经网络自动识别滑坡的方法 （郑州大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于边缘引导的注意神经网络自动识本发明提供了一种基于边缘引导的注意神边缘图与滑坡数据集组成新的滑坡数据集并将2步骤S1、将滑坡数据集中的滑坡遥感影像采用EdgeB步骤S2、将步骤S1中提取的边缘图加入到滑坡数据步骤S3、对步骤S2中划分的训练集进行数据增强得到数步骤S6、使用步骤S3归一化后的训练集对步骤S步骤S7、使用步骤S3归一化后的测试集在步骤S6保存2.根据权利要求1中所述的基于边缘引导的注意神经网络自动识别滑坡的方法，其特3.根据权利要求1所述的基于边缘引导的注意神经网络自动识别滑坡的方法，其特征步骤S302、使用双线性插值方法将验证集、测试集以及步4.根据权利要求1中所述的基于边缘引导的注意神经网络自动识别滑坡的方法，其特步骤S402、构建步骤S401中的VGG16网络以及金字塔池化模块，滑坡遥感影像进行为128的卷积层作为编码器的输入特征图；步骤S403、构建步骤S401中的边缘引导模块，边缘引3核和步长的卷积操作获取不同感受野的边缘S405、构建步骤S401中的注意引导模块，注意引5.根据权利要求1所述的基于注意力机制和多模态表征学习的滑坡识别方法，其特征GeneralizedDice损失函数4译是专业人员通过直接观察或借助辅助判读仪器在遥感影像上获取特定目标地物信息的5滑坡数据库，使用U_Net深度学习模型进行滑坡识别，比前一相同研究区域的精度有所提[0013]步骤S3、对步骤S2中划分的训练集进行数据增强得到数再将步骤S2划分的验证集、测试集和步骤S3中数据增强后的训练集图像进行归一化处理，6边缘图像中获取边缘特征图，将提取出的边缘特征加入到网络中辅助网络进行滑坡的识同卷积核和步长的卷积操作获取不同感受野的边缘图像[0033]其中Tin表示类别l在第n个位置的真实像素类别，而pin表示相应的预测概率值，78缘特征，而且在深层中添加边缘特征,在网络的编码器和解码器中间共有5个边缘引导模222221卷积后与低级特征经过Sigmoid函数得到注意力图与经过处理的高级特征进行元素相数组成的损失函数对步骤S4构建的基于边缘引导的[0070]其中Tin表示类别l在第n个位置的真实像素类别，而pin表示相应的预测概率值，9[0079]本发明的网络模型是基于Tensor[0081]为了评价网络模型的性能，利用精确度(precision,P)和召回率(recall,R)和84.984.175.784.583.776.172.879.786.588.580.587.595.795.892.195.7[0092]在表2中显示了本发明提出的EGANet与其他滑坡识别模型的评价指标结果，从中[0093]为了对模型的性能有更加直观的了解，附图8显示了对选择的验证影像进行预测

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论