声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：37-1391/T
国际刊号：1672-3961
发布日期:
作者：王心哲,邓棋文,王际潮,范剑超
单位：1.大连工业大学信息科学与工程学院, 辽宁 大连 116034;2.香港城市大学数据科学学院, 香港 999077;3. 国家海洋环境监测中心海洋遥感技术室, 辽宁 大连 116023
关键词：筏式养殖,卷积神经网络,深度学习,马尔科夫随机场,遥感影像,
基金：国家自然科学基金项目(42076184,41876109,41706195);高分重大科研专项(41-Y30F07-9001-20/22);国家重点研发计划(2017YFC1404902,2016YFC1401007)
采用无监督方法与深度学习模型结合,解决筏式养殖边缘信息精确提取问题,提出深度语义分割(semantic segmentation, SegNet)-马尔科夫随机场(Markov random field, MRF)模型,该模型提取目标空间细节信息和深度判别特征信息。通过SegNet编码器的卷积和最大池化提取筏式养殖的特征信息和扩大感受野,抑制噪声、误判等现象的产生,模型后端接入MRF模型,计算像素空间领域内的特征信息进行聚类分析来获取目标低水平的空间细节信息,在深度特征信息的基础上较大程度的保留空间特征信息,完善边缘信息并抑制连通区域的产生。试验结果表明,该模型极大减少了特征信息丢失和因海水背景而产生的误判,其分类精度高于95%,明显优于经典无监督算法和单一的深度学习模型。
来源：2022年第2期
《山东大学学报(工学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。