摘要
本发明公开了一种用于高原山地的云雪湖泊图像识别方法,具体涉及云雪湖泊图像识别技术领域。本发明采用支持向量机进行分割,大幅度降低了遥感影像同物异谱和异物同谱的影响,可降低分割难度并提高分类精度,更易对云雪湖泊图像进行标注,使其能够满足分割数据集的标准;将FPN深度学习模型和MobileNet‑v2卷积神经网络进行结合,提取不同尺度特征,提高预测结果的精度,且因为深度可分离卷积的使用,降低了模型的参数量并利于设备的部署;且MobileNet‑v2卷积神经网络引入线性瓶颈结构、宽度多尺度结构和倒残差结构,减少模型的计算成本,更好地保留信息并提高识别方法的性能和非线性表示能力。
技术关键词
图像识别模型
遥感影像数据
采样模块
图像识别方法
反射率数据
深度学习模型
高原
山地
积层
Sigmoid函数
双线性插值法
多尺度结构
图像识别技术
标签
瓶颈结构
分块
支持向量机
残差结构
系统为您推荐了相关专利信息
点云语义分割方法
交互式学习
三维点云数据
距离图像
动态
图像识别方法
置信度阈值
大语言模型
图像识别装置
图像识别技术
触控显示部件
图像识别方法
故障检测模型
特征点
图像深度估计算法