遙感影像包含了地面植被覆蓋信息,地面溫度信息,城鄉(xiāng)分布信息等信息,對(duì)于指導(dǎo)地表宏觀性研究具有重要意義。遙感影像語義分割技術(shù)是對(duì)遙感影像的每一個(gè)像素進(jìn)行分類,是遙感影像理解與分析中重要且基礎(chǔ)的一環(huán),就具有極高的研究價(jià)值。卷積神經(jīng)網(wǎng)絡(luò)的最新發(fā)展已經(jīng)實(shí)現(xiàn)了遙感影像的在語義分割方面的扎實(shí)進(jìn)展,但是現(xiàn)有卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)沒有充分考慮到遙感影像圖像的數(shù)據(jù)特征,且網(wǎng)絡(luò)結(jié)構(gòu)的獲取需要研究人員通過不斷的實(shí)驗(yàn)獲得,分割精度與網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)效率有待進(jìn)一步提高。因此本文基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)一步研究遙感影像分割任務(wù),主要研究內(nèi)容如下所示:（1）為解決現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的遙感影像分割方法沒有充分考慮到遙感影像圖像的數(shù)據(jù)的特征,導(dǎo)致的小物體分類不良和邊界不清晰的問題。本文提出了一種改進(jìn)的語義分割神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)采用空洞卷積,全連接融合路徑和預(yù)訓(xùn)練編碼器來進(jìn)行遙感圖像的語義分割任務(wù)�？斩淳矸e的使用在改善道路水等小型物體的分割效果,全連接融合路徑通過跳轉(zhuǎn)連接提供更多的底層信息流。在訓(xùn)練階段實(shí)現(xiàn)了基于深度學(xué)習(xí)框架Tensorflow實(shí)現(xiàn)BN層的跨卡同步。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的神經(jīng)網(wǎng)絡(luò)架構(gòu)增強(qiáng)了遙感圖像分割結(jié)果,達(dá)到91%的... 

【文章來源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 遙感影像分割研究現(xiàn)狀
        1.2.2 網(wǎng)絡(luò)架構(gòu)自動(dòng)搜索研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文的組織結(jié)構(gòu)
2 相關(guān)技術(shù)介紹
    2.1 深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.2 全卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.3 Deeplabv3網(wǎng)絡(luò)結(jié)構(gòu)
    2.2 常用模型訓(xùn)練優(yōu)化算法
        2.2.1 反向傳播算法
        2.2.2 優(yōu)化算法
        2.2.3 遷移學(xué)習(xí)
        2.2.4 正則化
        2.2.5 深度學(xué)習(xí)框架Tensorflow介紹
    2.3 可微分網(wǎng)絡(luò)架構(gòu)搜索介紹
        2.3.1 搜索空間
        2.3.2 搜索策略
        2.3.3 評(píng)價(jià)預(yù)估
    2.4 本章小結(jié)
3 基于全卷積神經(jīng)網(wǎng)絡(luò)的分割方法
    3.1 問題分析
    3.2 改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.1 A-ASPP結(jié)構(gòu)
        3.2.2 全連接短路徑
    3.3 跨卡同步Batch Normal
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 遙感影像預(yù)處理
        3.4.2 運(yùn)行環(huán)境與參數(shù)設(shè)置
        3.4.3 分割評(píng)價(jià)指標(biāo)
        3.4.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
4 基于可微分網(wǎng)絡(luò)架構(gòu)搜索的遙感影像分割
    4.1 基于可微分網(wǎng)絡(luò)架搜索的網(wǎng)絡(luò)模型
        4.1.1 分割網(wǎng)絡(luò)基礎(chǔ)架構(gòu)
        4.1.2 連續(xù)化架構(gòu)搜索空間
    4.2 雙階段優(yōu)化算法
    4.3 網(wǎng)絡(luò)結(jié)構(gòu)的剪枝
    4.4 實(shí)驗(yàn)與結(jié)果分析
        4.4.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置
        4.4.2 實(shí)驗(yàn)數(shù)據(jù)的獲取與處理
        4.4.3 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
碩士論文
[1]基于深度學(xué)習(xí)的圖像語義分割方法研究與實(shí)現(xiàn)[D]. 張學(xué)鵬.電子科技大學(xué) 2018



本文編號(hào)：3053462