本文以TensorFlow為框架搭建卷積神經(jīng)網(wǎng)絡(luò),基于遷移學(xué)習(xí)的思想,以經(jīng)典的手寫數(shù)字識(shí)別作為引入,對(duì)不同代價(jià)函數(shù)和激活函數(shù)組合對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型分類結(jié)果影響進(jìn)行了評(píng)價(jià)分析。以HJ-1A/B渤海海冰圖像為實(shí)驗(yàn)數(shù)據(jù)源,分析了不同函數(shù)組合對(duì)遙感海冰圖像分類的影響,優(yōu)選出交叉熵代價(jià)函數(shù)與ReLU激活函數(shù)為最佳的組合,證明了卷積神經(jīng)網(wǎng)絡(luò)在遙感海冰分類中的應(yīng)用可行性。對(duì)渤海海冰圖像分類結(jié)果進(jìn)行驗(yàn)證,其中帶標(biāo)簽樣本驗(yàn)證精度為98.4%。使用該模型對(duì)無(wú)標(biāo)簽的測(cè)試樣本進(jìn)行識(shí)別,討論了樣本的窗口尺寸對(duì)海冰分類結(jié)果的影響,發(fā)現(xiàn)在400×400小范圍分類實(shí)驗(yàn)中最佳窗口尺寸為2×2;最后對(duì)整個(gè)渤海海域進(jìn)行識(shí)別驗(yàn)證,效果較好。 

【文章來(lái)源】：海洋學(xué)報(bào). 2020,42(09)北大核心CSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于Sentinel-1A/B SAR數(shù)據(jù)的西北航道海冰分類研究[J]. 朱立先,惠鳳鳴,張智倫,程曉.  北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于紋理分析的SAR海冰圖像分類方法[J]. 逯躍鋒,和鑫,陸黎娟,楚瀟蓉,陳坤,趙泉華.  山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]卷積神經(jīng)網(wǎng)絡(luò)和深度置信網(wǎng)絡(luò)在SAR影像冰水分類的性能評(píng)估[J]. 黃冬梅,李明慧,宋巍,王建.  中國(guó)圖象圖形學(xué)報(bào). 2018(11)
[4]結(jié)合紋理特征的SVM海冰分類方法研究[J]. 張明,呂曉琪,張曉峰,張婷,吳涼,王軍凱,張信雪.  海洋學(xué)報(bào). 2018(11)
[5]基于K-GMM算法的SAR海冰圖像分類[J]. 任莎莎,郎文輝.  地理與地理信息科學(xué). 2018(05)
[6]高分3號(hào)星載合成孔徑雷達(dá)極地海冰自動(dòng)檢測(cè)方法研究[J]. 鄭敏薇,李曉明,任永政.  海洋學(xué)報(bào). 2018(09)
[7]基于TensorFlow深度學(xué)習(xí)框架的卷積神經(jīng)網(wǎng)絡(luò)研究[J]. 袁文翠,孔雪.  微型電腦應(yīng)用. 2018(02)
[8]深度神經(jīng)網(wǎng)絡(luò)代價(jià)函數(shù)選擇與性能評(píng)測(cè)研究[J]. 趙宏,郭萬(wàn)鵬.  軟件. 2018(01)
[9]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)
[10]Sigmoid函數(shù)及其導(dǎo)函數(shù)的FPGA實(shí)現(xiàn)[J]. 張蕭,黃晞,仲偉漢,張亮.  福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(02)



本文編號(hào)：3291298