摘要
本发明公开了一种利用多光谱遥感图像提取极地海冰的深度学习方法及系统,方法具体包含以下步骤:S1.获取极地海冰区域的Sentinel‑2数据;S2.对步骤S1获取的Sentinel‑2数据进行预处理与标注,得到海冰的真彩色图像TCI以及标注图像,形成数据集;S3.使用基于特征图重构的深度学习模型对数据进行训练以及测试;S4.通过调优,得到最佳模型参数,并将最佳模型参数加载至所述的深度学习模型,所述的深度学习模型输入步骤S2处理好的TCI进行海冰的提取,得到输出结果。本发明有效地降低了海冰标注数据的获取难度,降低了标注时间。
技术关键词
多光谱遥感图像
深度学习模型
深度学习方法
节点特征
极地海冰
编码器模块
彩色图像
重构模块
深度学习系统
阶段
参数
基础构造
数据获取模块
解码器
通道
图像增强
系统为您推荐了相关专利信息
风险识别模型
进程
日志
深度学习模型
风险控制策略
工况参数
多层感知机
消息传递机制
注意力机制
物理
光纤光栅应变
深度学习分析
光纤光栅传感器
测量方法
深度学习模型
地下室外墙裂缝
智能预测方法
图像特征数据
深度学习模型
风险
座椅主体
压力调节组件
温度调节组件
压力传感器
综合温度