基于卷积神经网络模型的照片精细化识别研究

张俊鑫; 郭海京; 唐孝培; 金诗程

您当前的位置：

首页 >

文章列表页 >

基于卷积神经网络模型的照片精细化识别研究

技术热点研究 | 更新时间：2025-11-25

- 基于卷积神经网络模型的照片精细化识别研究
- 基于卷积神经网络模型的照片精细化识别研究
- 地理空间信息 2023年21卷第2期页码：11-16
- 作者机构：
  
  1. 广东省国土资源测绘院
  2. 自然资源部华南热带亚热带自然资源监测重点实验室
  3. 中山大学地理科学与规划学院
- 作者简介：
- 基金信息：
  
  广东省省级科技计划项目（2021B1212100003）
- DOI：
  中图分类号： TP183;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
张俊鑫, 郭海京, 唐孝培, 等. 基于卷积神经网络模型的照片精细化识别研究[J]. 地理空间信息, 2023,21(2):11-16.

张俊鑫, 郭海京, 唐孝培, et al. 基于卷积神经网络模型的照片精细化识别研究[J]. 2023, 21(2): 11-16.
张俊鑫, 郭海京, 唐孝培, 等. 基于卷积神经网络模型的照片精细化识别研究[J]. 地理空间信息, 2023,21(2):11-16. DOI：

张俊鑫, 郭海京, 唐孝培, et al. 基于卷积神经网络模型的照片精细化识别研究[J]. 2023, 21(2): 11-16. DOI：

摘要

目前的照片精细化识别主要是基于传统机器学习，识别精度无法保证大范围应用，部分基于神经网络模型的方法在提升精度的同时难以兼顾效率。基于此，提出一种轻量化的卷积神经网络模型，减少了模型的参数量与计算量，从而提高速度。方法包含跨阶段融合以及多尺度融合策略，强化模型的特征学习能力，提升模型的预测精度。在利用三调照片对菠萝、柚子、香蕉等地表植被的识别中，通过与主流模型的对比实验发现，提出的模型在识别速度和精度方面均有较大提高。

Abstract

关键词

Keywords

references

周家奇.基于CNN的图像分类及在电商图片分类中的应用研究[D].武汉理工大学,2019(07).

苏婷.基于照片识别分类的智能推荐研究[D].厦门大学,2017(07).

Sergey Zagoruyko,Nikos Komodakis.Wide Residual Networks.[J].CoRR,2016.

Karen Simonyan,Andrew Zisserman.Very Deep Convolutional Networks for Large-Scale Image Recognition.[J].CoRR,2014.

Hinton Geoffrey E,Osindero Simon,Teh Yee-Whye.A fast learning algorithm for deep belief nets.[J].Neural computation,2006.

徐世武,曾珏,张诗慧,李长征,李亭谕.一种深度卷积神经网络土地利用场景照片的分类方法[J].测绘通报,2020(02).

王斌,范冬林.深度学习在遥感影像分类与识别中的研究进展综述[J].测绘通报,2019(02).

浏览量

315

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

引入注意力机制的高光谱影像分类空洞卷积网络

顾及深度残差U-Net的遥感影像建筑物提取

基于GNSS-R数据和机器学习算法探测森林火灾研究

流形学习和卷积神经网络的农作物精细分类

利用多尺度挤压激励网络提取煤矿采场