一种基于深度学习的遥感影像自动标注方法

发明专利有效专利

申请号：
CN201911332974.9
IPC分类号：G06K9/62;G06N3/04;G06N3/08
申请日期：
2019-12-20
申请人：
郑州大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的遥感影像自动标注方法
申请号	CN201911332974.9	申请日期	2019-12-20
法律状态	实质审查	申报国家	中国
公开/公告日	2020-04-28	公开/公告号	CN111079847A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	郑州大学	申请人地址	河南省郑州市高新技术开发区科学大道100号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	郑州大学	当前权利人	郑州大学
发明人	赫晓慧;李盼乐;程淅杰;邱芳冰;李志强;乔梦佳;李代栋
代理机构	郑州裕晟知识产权代理事务所（特殊普通合伙）	代理人	王瑞

摘要

本发明涉及一种基于深度学习的遥感影像自动标注方法，包括以下步骤：将从电子地图中获取的遥感影像进行配准，获取对应遥感影像中的建筑物和道路的矢量数据；将获取的矢量数据转化为栅格影像，用于模型训练的含有噪声的数据集；通过滑动窗口将原始数据集进行剪裁，利用剪裁得到的数据集对多任务深度学习模型(MDLF)进行训练，通过对该深度神经网络进行调整，得到最优的训练模型，得到训练好的多任务深度学习模型；将待测试的遥感影像输入至深度神经网络；通过深度神经网络对测试集进行遥感影像分类输出结果，从而得到待测遥感影像的目标识别结果；本发明不需要设置大量的网络训练参数，结构简单，训练速度快。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供