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)字識別作為引入,對不同代價函數(shù)和激活函數(shù)組合對卷積神經(jīng)網(wǎng)絡(luò)模型分類結(jié)果影響進行了評價分析。以HJ-1A/B渤海海冰圖像為實驗數(shù)據(jù)源,分析了不同函數(shù)組合對遙感海冰圖像分類的影響,優(yōu)選出交叉熵代價函數(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。對渤海海冰圖像分類結(jié)果進行驗證,其中帶標(biāo)簽樣本驗證精度為98.4%。使用該模型對無標(biāo)簽的測試樣本進行識別,討論了樣本的窗口尺寸對海冰分類結(jié)果的影響,發(fā)現(xiàn)在400×400小范圍分類實驗中最佳窗口尺寸為2×2;最后對整個渤海海域進行識別驗證,效果較好。 

【文章來源】：海洋學(xué)報. 2020,42(09)北大核心CSCD

【文章頁數(shù)】：10 頁

【參考文獻】：
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(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(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估[J]. 黃冬梅,李明慧,宋巍,王建.  中國圖象圖形學(xué)報. 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. 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號星載合成孔徑雷達極地海冰自動檢測方法研究[J]. 鄭敏薇,李曉明,任永政.  海洋學(xué)報. 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)代價函數(shù)選擇與性能評測研究[J]. 趙宏,郭萬鵬.  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.  計算機應(yīng)用. 2016(09)
[10]Sigmoid函數(shù)及其導(dǎo)函數(shù)的FPGA實現(xiàn)[J]. 張蕭,黃晞,仲偉漢,張亮.  福建師范大學(xué)學(xué)報(自然科學(xué)版). 2011(02)



本文編號：3291298