CN119516408A 一种基于深度学习的卫星遥感水体识别方法 （联雨科技(天津)有限公司）_第1页
CN119516408A 一种基于深度学习的卫星遥感水体识别方法 （联雨科技(天津)有限公司）_第2页
CN119516408A 一种基于深度学习的卫星遥感水体识别方法 （联雨科技(天津)有限公司）_第3页
CN119516408A 一种基于深度学习的卫星遥感水体识别方法 （联雨科技(天津)有限公司）_第4页
CN119516408A 一种基于深度学习的卫星遥感水体识别方法 （联雨科技(天津)有限公司）_第5页
已阅读5页，还剩13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

一种基于深度学习的卫星遥感水体识别方法尤其涉及一种基于深度学习的卫星遥感水体识2构建水体识别模型，水体识别模型采用DeepLabV3+采用交叉熵损失函数对水体识别模型进行优化，采用Adam优化器对将待识别数据导入训练好的水体识别模型，进行水体识别，对识所述构建水体识别模型，水体识别模型采用DeepLabV3+作为基础模型3.根据权利要求1所述的基于深度学习的卫星遥感水体识别方法，其特征在于，所述空洞卷积层：在特征提取层中引入空洞卷积解码层：通过上采样和特征融合，将特征图恢复到原始图像的尺寸，实现3待识别数据导入训练好的水体识别模型的步骤中，将训练好的水体识别模型部署至服务4通过交叉验证和性能指标评估水体识别模型的性能，得到训练好的水体识别模5图2是本发明的一种基于深度学习的卫星遥感水体识别方法的深度学习图3是本发明的一种基于深度学习的卫星遥感水体识别方法得到的水体识别的第图4是本发明的一种基于深度学习的卫星遥感水体识别方法得到的水体识别的第67[0030]通过交叉验证和性能指标评估水体识别模型的性能，得到训练好的水体识别模[0031]在本步骤中，模型验证，在测试集上评估模型性能，计算准确率、召回率和F1_表1基于深度学习的卫星遥感水体识别方法训93.3%91.1%92.2%93.7%91.7%92.7%94.5%92.1%93.3%89

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