【摘 要】
:
遥感图像场景分类是高分辨率遥感图像解译中的重要研究课题.面对已标注遥感图像样本缺乏造成的小样本问题,文中利用迁移学习思想,提出了基于Inception-v3模型的遥感图像场景分类算法框架,设计了3种分类方案5种分类算法.在遥感图像场景分类数据库中,文中算法取得了91.32%的分类准确率,相比传统机器学习方法,有效提高了遥感图像场景分类的精度,同时证明了结合知识迁移的深度卷积神经网络模型在遥感图像场
【机 构】
:
火箭军工程大学,陕西西安710025 火箭军研究院,北京 100095
【出 处】
:
第十六届国家安全地球物理专题研讨会
论文部分内容阅读
遥感图像场景分类是高分辨率遥感图像解译中的重要研究课题.面对已标注遥感图像样本缺乏造成的小样本问题,文中利用迁移学习思想,提出了基于Inception-v3模型的遥感图像场景分类算法框架,设计了3种分类方案5种分类算法.在遥感图像场景分类数据库中,文中算法取得了91.32%的分类准确率,相比传统机器学习方法,有效提高了遥感图像场景分类的精度,同时证明了结合知识迁移的深度卷积神经网络模型在遥感图像场景分类领域的可行性.
其他文献
对勘探过程中的震源进行优化是提高地震资料分辨率的一个重要手段,而海上气枪震源具有能量大、稳定性好、应用范围广等优点,因此就如何进行气枪阵列的优化设计始终是海上地震勘探的研究热点.文中将基于范氏气体方程的单枪子波模型应用于调谐阵列的子波模拟中,并推导出相应的理论公式.同时以两枪组成的调谐阵列为例进行模拟,分析其远场子波特点,最后将模拟结果与单枪子波进行对比,从而为实际的气枪阵列设计与优化提供了参考.
介绍了GRACE-FO计划、其数据产品以及卫星的轨道参数与有效载荷.阐述了基于能量守恒定理,利用低轨卫星高低跟踪与低低跟踪数据恢复地球重力场模型的原理与算法.利用GRACE-FO卫星2020年1月观测数据解算了96阶地球重力场模型,并与其地面数据处理中心发布的同时期月重力场模型进行对比.结果表明,解算所得模型与对比模型精度相当.
次声波声线法由于其数值计算稳健,在后续反演定位时先验信息要求低等诸多原因,因此在大气核爆探测、定位与高层大气背景模型校正中得到广泛应用.文中在介绍次声波声线传播路径及传播损耗计算方法的基础上,简要介绍了与次声声线传播建模密切相关的且目前国际上较为流行的几种数值天气预报模型与经验模型;最后采用NRLMSISE-00/HWM14经验模型,以2019年1月1日酒泉(39°N,99°E)地面某点为次声源点
对数据的操作贯穿整个地球物理学的科研过程,数据的质量和处理效率直接影响科研成果的产出.“实时时空场计算技术”是一种高速计算方法,利用数据库底层能力的优化,实现计算效率的大幅提升.该方法能够有效解决现阶段科学界面临的探测器类型与数量众多、数据组织手段匮乏、计算效率低下、科研成果难以走向业务实战等问题,已成功应用于电离层TEC相关反演和推导业务计算中,取得了显著成效.
台风活动所引发的微震现象一直是地球物理学和海洋物理学的重要交叉融合点,本研究通过分析南沙美济礁井中地震仪记录到的2018年“山竹”台风高质量地震信号,确定了岛基井下地声信号随台风移动的变化特征,揭示了该台风移动过程中所引发的地声场的频谱特性,发现“山竹”台风从深海区向浅海区移动过程中,其引起的微震信号异常与浪高异常之间的时间差变小,研究认为,该现象可用信号源(台风中心)向海岸移动来解释.
文中研究了XGBoost算法含噪地震数据的重构问题.从局部学习的角度对给定的随机缺失坏道地震数据,引入随机噪声,研究数据的重构效果.利用单个采样点周围44个点的振幅值与该点道号和采样点号作为特征属性,对该点振幅值构建回归关系,从而通过学习这种回归关系重构缺失的地震道.分析不同地震数据缺失情况,提出针对不同情况的重构算法,建立了重构随机缺失的地震数据处理流程.实际地震数据处理结果表明,XGBoost
近年来,生成对抗网络(GAN)在图像生成方面取得了较好的效果,开辟了深度学习最为炙手可热的研究方向之一.针对某些情况下遥感图像少且信息难以提取的问题,提出了一种基于生成对抗网络的方法来生成更多的遥感图像数据.该方法首先对现有的遥感数据集进行了初步处理;其次,构建了生成对抗网络模型的生成器和判别器;再次,利用生成器和判别器的相互博弈,提升生成器的生成能力和判别器的判别能力,直至生成器所生成的数据与原
在合成孔径雷达(Synthetic Aperture Radar,SAR)图像检测领域,传统检测算法鲁棒性差、人工设计特征复杂,针对此问题文中提出一种基于卷积神经网络的SAR图像目标检测模型S-Faster R-CNN.首先利用公开的MSTAR数据按照PASCAL VOC格式制作了用于测试算法检测性能的数据集SAR MSTAR Dataset(SMD).其次根据SMD数据集中目标特点设计特征提取网
针对大数据时代下SAR舰船目标检测中海量数据处理难度大,人力物力资源成本高的问题,提出一种基于无锚框FCOS的SAR舰船目标检测算法.文中算法摆脱对初始锚框的依赖,直接对像素点进行回归,不再受限于锚框中对舰船目标尺度和长宽比的限制,对多尺度、多形态舰船目标检测具有更好的鲁棒性.同时利用特征金字塔网络对不同分辨率特征图进行融合,结合深浅层特征图优点,进一步提升多尺度舰船目标检测性能,实现端对端自动检
针对GNSS高程转换研究中,大范围区域水准点资料获取困难,提出通过研究高低阶次模型高程异常拟合转化模拟研究GNSS高程转换.并基于深度学习理论,提出一种采用非线性Relu函数作为隐藏层激活函数,自适应矩估计Adam算法作为模型优化算法,L2正则化函数防止过拟合的深度BP神经网络用于拟合转化研究.实验结果表明:深度BP神经网络方法在平原、丘陵和山地三类地形区域内拟合残差均在厘米级,相比传统数学模型方