摘要
本发明公开了一种基于人工智能的照片地类识别方法,包括:获取待识别数据;将所述待识别数据输入至照片分类解译模型,获取分类结果,其中,所述照片分类解译模型通过深度卷积神经网络模型构建,并通过训练集训练后评估优化获得,所述训练集为照片数据。本发明能够基于海量具有当地植被地理特征的外业照片样本,使用人工智能识别技术,快速对举证照片开展地类识别,有效减少对外业举证照片进行地类使用的人力,通过引入人工智能技术减少此类工作对人力的依赖,将人员从此类重复性机械性的工作释放出来,减少人力成本和时间成本,以此提高调查监测工作的效率。
技术关键词
深度卷积神经网络模型
照片
识别方法
人工智能识别技术
训练集
样本
数据
损失函数优化
人工智能技术
人力
重复性
指标
分辨率
植被
太阳
符号
天气
规模
颜色
图像
系统为您推荐了相关专利信息
数据异常检测方法
非瞬时性计算机可读存储介质
生物
消息传递机制
网络架构
智能语义分析
数据识别模型
数据识别方法
语义图谱
节点
焊接缺陷检测方法
焊缝缺陷检测
DBSCAN聚类算法
卷积模块
注意力机制
卷积模块
优化器
嵌入式设备
多层卷积神经网络
深度学习模型
茶叶嫩芽
空间金字塔
网络
多层次特征融合
结构组件