CN114241332B 一种基于深度学习的固废场识别方法、装置以及存储介质 （深圳博沃智慧科技有限公司）_第1页
CN114241332B 一种基于深度学习的固废场识别方法、装置以及存储介质 （深圳博沃智慧科技有限公司）_第2页
CN114241332B 一种基于深度学习的固废场识别方法、装置以及存储介质 （深圳博沃智慧科技有限公司）_第3页
CN114241332B 一种基于深度学习的固废场识别方法、装置以及存储介质 （深圳博沃智慧科技有限公司）_第4页
CN114241332B 一种基于深度学习的固废场识别方法、装置以及存储介质 （深圳博沃智慧科技有限公司）_第5页
已阅读5页，还剩23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

道松坪山社区松坪山新东路1号清华2将所述卫星遥感影像输入到预先训练好的深度学习网络检测模型中，所述第二模型对所述第一模型检测出的所述影像块进行检深度学习网络初始模型包括所述第一模型和所检测步骤：采用样本影像库中剩余的部分样本影像对训练后的网络初始模型进行测根据测试结果判断所述训练后的初始模型的检测精度是否满足预设前训练的网络初始模型作为所述网络检测模型；否则继续循环上述训练步骤和检测步骤，对所述样本影像进行勾画；通过目视判读以及结合已有堆场地图检测模块，用于将所述卫星遥感影像输入到预先训练好的深度学习网络检测模型中，3检测步骤：采用样本影像库中剩余的小部分样本影像对训练后的网根据测试结果判断所述训练后的初始模型的检测精度是否满足预设前训练的网络初始模型作为所述网络检测模型；否则继续循环上述训练步骤和检测步骤，处理器执行以实现如权利要求1-5中任一项4[0001]本发明涉及环境监测技术领域，具体涉及一种基于深度学习的固废场识别方法、5[0024]训练步骤：采用样本影像库中的大部分样本影像及影像中堆场信息XML文件训练[0025]检测步骤：采用样本影像库中剩余的小部分样本影像及影像中堆场信息XML文件6根据说明书中的描述以及本领域的一般技术知识即可完7例如model2，采用样本影像库及对应样本影像中堆场分布范围来训练model2.通过model2始模型进行测试。例如采用样本影像库中的20％样本影像来测试训练后的vgg16网络模型model1的识别精度。采用样本影像库中20％样本影像及影像中堆场分布范围XML文件来测试训练后的FRCNN网络模型model2的识别精本影像上绘制堆场的样本数据以及划分堆场类型。例如将样本影像划分为钢铁材料堆场、8将待检测影像划分为224*224大小的影像块，利用网络检测模型model1从上千万个影像块[0076]1:特征图提取模块：本实施例使用vgg16神经网络结构(model1)的全连接层之前的部分实现。通过对样本影像进行一系列的卷积(convolution)、特征激活(Relu)、池化[0077]2:区域候选框生成网络RPN(RegionProposalNetwork)：对步骤1提取的特征图9框在影像上的中心点坐标及长、宽(18*18*9*4)。同时每个锚框又分正(positive)与负型得到的proposals(候选框)大小形状各不相同，而网络末端用于分类和再回归的全连接(M*N)降采样16倍获得(M/16*N*16)大小，然后通过池化层操作获得固定大小(7*7)的(fullconnect)层与归一化指数(softmax)计算每个proposal具体属于那个类别，输出堆[0088]检测模块302用于将卫星遥感影像输入到预先训练好的深度学习网络检测模型

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