基于密集连接空洞卷积神经网络的青藏地区云雪图像分类

论文摘要

为了提高高纬度地区云雪卫星图像的识别准确率,提出了密集连接空洞卷积神经网络与空洞卷积相结合的方法进行云雪卫星图像识别研究;该方法首先采用常规卷积层对图像进行处理得到特征图,然后采用多个密集块和过渡层对特征图进行处理;其中,密集块中采用跨层连接的方式实现了网络中所用层的特征传递,使得大量云雪特征得到重用,同时减轻了训练过程中的梯度消失问题;密集块中的卷积核采用空洞卷积,在减少参数量的同时扩大局部感受野,对云雪的光谱信息进行特征提取;最后,该方法采用平均全局池化层与全连接层得到云雪图像的预测结果;实验结果表明,与其他机器学习方法相比,该方法能够提高卫星云雪图像的识别准确率,具有良好的泛化能力。

论文目录

• 0 引言
• 1 密集连接卷积神经网络
•   1.1 密集连接卷积神经网络
•   1.2 密集连接空洞卷积神经网络结构
•     1.2.1 改进的密集连接卷积神经网络
•     1.2.2 密集连接卷积神经网络过渡层
•     1.2.3 密集连接卷积神经网络整体结构
• 2 密集连接空洞卷积神经网络的云雪识别模型
• 3 实验结果分析
• 4 总结

文章来源

类型: 期刊论文

作者: 曹辉,翁理国,张德正

关键词: 云雪图像识别,特征提取,跨层连接,空洞卷积

来源: 计算机测量与控制 2019年09期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 气象学,工业通用技术及设备,自动化技术

单位: 南京信息工程大学自动化学院

基金: 国家自然科学基金项目(61503192),江苏省自然科学基金(BK20161533),江苏省青蓝工程

分类号: P412.27;TP751;TP183

DOI: 10.16526/j.cnki.11-4762/tp.2019.09.036

页码: 169-173

总页数: 5

文件大小: 1057K

下载量: 197