發(fā)布時(shí)間：2021-02-15 04:37

　　遙感圖像場(chǎng)景識(shí)別可以對(duì)遙感圖像的語(yǔ)義內(nèi)容加以解釋,并且有助于完成遙感圖像分類、目標(biāo)檢測(cè)等任務(wù)。近年來(lái),深度卷積神經(jīng)網(wǎng)絡(luò)被廣泛的應(yīng)用于圖像分類、圖像目標(biāo)識(shí)別等領(lǐng)域并取得了很好的效果。卷積神經(jīng)網(wǎng)絡(luò)可以提取圖像高階的、抽象的特征而這種提取圖像特征的能力正是在遙感圖像場(chǎng)景識(shí)別任務(wù)中所需要。因此本文將卷積神經(jīng)網(wǎng)絡(luò)用在遙感圖像場(chǎng)景識(shí)別任務(wù)中。針對(duì)深度神經(jīng)網(wǎng)絡(luò)模型消耗大量?jī)?nèi)存和計(jì)算資源的情況,本文將深度模型壓縮方法用于遙感圖像的場(chǎng)景識(shí)別模型中,通過(guò)網(wǎng)絡(luò)剪枝和權(quán)值共享與量化等操作在不大規(guī)模影響模型性能的前提下實(shí)現(xiàn)對(duì)模型規(guī)模的壓縮。首先對(duì)卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和訓(xùn)練過(guò)程進(jìn)行介紹,根據(jù)實(shí)際情況選擇本文實(shí)驗(yàn)所使用的網(wǎng)絡(luò)結(jié)構(gòu)和重要參數(shù)。本文以AlexNet為基礎(chǔ)網(wǎng)絡(luò),通過(guò)研究不同的卷積層層數(shù)、不同卷積核的數(shù)量、不同的初始學(xué)習(xí)率以及訓(xùn)練過(guò)程中不同的學(xué)習(xí)率更新頻率等四個(gè)方面對(duì)最終識(shí)別準(zhǔn)確率的影響,確定了實(shí)驗(yàn)所使用的網(wǎng)絡(luò)結(jié)構(gòu)與重要參數(shù)的數(shù)值,對(duì)于數(shù)據(jù)集AID文中所采用網(wǎng)絡(luò)的初始準(zhǔn)確率為96.2%,然后使用PReLu函數(shù)代替ReLu函數(shù)作為卷積神經(jīng)網(wǎng)絡(luò)的激活函數(shù),進(jìn)一步將模型的識(shí)別準(zhǔn)確率提高為97.1%,訓(xùn)練完成后得... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)示意圖

深度學(xué)習(xí)分層結(jié)構(gòu)示意圖

1 1= ：Z 代表卷積核，大小為 FХFХN(F 表示卷積核大小，N 表示卷積核的數(shù)表卷積操作， 為上一層輸出， , 分別為輸入圖像的寬和高，b 為偏置 1為特征圖中的元素， ， 分別為新得到特征圖的寬度和高度。 ， 的示為。 = ( )ζ = ( )ζ ：P 表示邊界填充的數(shù)量，S 為滑動(dòng)步長(zhǎng)。卷積過(guò)程如圖 2.3 所示。

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[2]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[3]圖像紋理特征提取方法綜述[J]. 劉麗,匡綱要.  中國(guó)圖象圖形學(xué)報(bào). 2009(04)
[4]基于人工神經(jīng)網(wǎng)絡(luò)——多層感知器（MLP）的遙感影像分類模型[J]. 韓玲.  測(cè)繪通報(bào). 2004(09)
[5]人工神經(jīng)網(wǎng)絡(luò)BP算法的改進(jìn)及其應(yīng)用[J]. 李曉峰,劉光中.  四川大學(xué)學(xué)報(bào)(工程科學(xué)版). 2000(02)
[6]利用小波和矩進(jìn)行基于形狀的圖象檢索[J]. 姚玉榮,章毓晉.  中國(guó)圖象圖形學(xué)報(bào). 2000(03)

碩士論文
[1]深度神經(jīng)網(wǎng)絡(luò)的壓縮實(shí)現(xiàn)方法研究[D]. 馬琰.西安理工大學(xué) 2018
[2]基于多路分層稀疏編碼的遙感圖像場(chǎng)景分類[D]. 鮑珍珍.西安電子科技大學(xué) 2014
[3]基于中層語(yǔ)義的圖像場(chǎng)景分類算法研究[D]. 王同剛.北京交通大學(xué) 2011



本文編號(hào)：3034449