基于深度神經(jīng)網(wǎng)絡(luò)的面向?qū)ο筮b感模式識(shí)別關(guān)鍵技術(shù)研究
【文章頁(yè)數(shù)】:72 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1UCM數(shù)據(jù)集示意圖
上整體的標(biāo)簽,如著名的UCM遙感數(shù)據(jù)集[3],如下圖1-1所示。而目標(biāo)對(duì)于遙感圖像中的地物對(duì)象(比如飛機(jī)、汽車等)進(jìn)行檢測(cè)和分類[4]。如1-2所示。遙感目標(biāo)分類要靠目標(biāo)所處的遙感場(chǎng)景,而對(duì)于算法而言,目標(biāo)本與場(chǎng)景分類算法差別并不大,因此對(duì)于面向?qū)ο筮b感分類也常常采用景....
圖1-2目標(biāo)檢測(cè)與分類
圖1-1UCM數(shù)據(jù)集示意圖低尺度特征往往采用經(jīng)典的圖像算子如方向梯度直方圖[6]、尺度不變特征轉(zhuǎn)[7]、局部二值模式[8]、加速穩(wěn)健特征[9]等特征進(jìn)行特征提取。然而,局部對(duì)象信息是無(wú)法用整幅遙感場(chǎng)景的低層特征來(lái)進(jìn)行表達(dá),在此基礎(chǔ)上,局部低層特描述[10]、多局部特征融合[....
圖2-1神經(jīng)元示意圖
)面向?qū)ο筮b感分類對(duì)象遙感分類就是通過(guò)影像分割算法提取遙感影像對(duì)象,分類目標(biāo)并提取相關(guān)光譜、紋理等特征,最終利用專家經(jīng)驗(yàn)等方法進(jìn)行分類。度神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)起源于人工神經(jīng)網(wǎng)絡(luò),隨著人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)化和求解越來(lái)越困難。隨著對(duì)于人腦機(jī)制的不斷研究,許多結(jié)構(gòu)比如卷積神經(jīng)網(wǎng)絡(luò),其對(duì)于視....
圖2-2多輸入單輸出的基本神經(jīng)元模型
圖2-2多輸入單輸出的基本神經(jīng)元模型2-2表示一個(gè)多輸入單輸出的基本人工神經(jīng)元模型。其中n)T為輸入信號(hào),W=(w1,w2,wn)T為神經(jīng)元的連接權(quán)值,uk為輸和,bk為閾值,f(.)為激活函數(shù),yk為輸出信號(hào)。其中:=∑=()組輸入信號(hào)輸入到神經(jīng)元模型....
本文編號(hào):3996612
本文鏈接:http://www.lk138.cn/guanlilunwen/gongchengguanli/3996612.html