龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了一种基于渐进迭代训练的大规模作物优化制图方法，包括如下步骤：从水稻遥感制图目标区域中选择初始训练区域，然后从初始训练区域中获取一定数量的离散样本；使用随机森林方法将离散样本扩展为空间连续样本区域，并利用该样本数据集训练深度学习模型，生成初步作物分类地图；对初步作物分类地图进行检验，找出误分类严重地区，并从中选择一定区域作为样本补充区域；根据区域误分类别选择完成负样本挖掘或者新的连续样本整理，并引入模型进行迭代训练，实现模型优化后用于大规模作物制图。本发明通过负样本挖掘和连续样本集成，提升模型对错误分类的敏感性，使其在不同地理环境和水稻种植类型下表现稳定，提高了分类结果的可靠性。
主权项：1.一种基于渐进迭代训练的大规模作物优化制图方法，其特征在于，所述方法包括如下步骤：步骤1、在作物遥感制图目标区域中选取初始作物样本区；步骤2、通过目视解译和实地调查，从初始作物样本区中获取离散样本；所述离散样本包括正样本和负样本，其中正样本为目标作物样本，负样本为非目标作物样本；步骤3、利用随机森林方法将离散样本扩展为空间连续样本，利用空间连续样本训练深度学习模型，生成初步作物分类地图；步骤4、对初步作物分类地图进行检验，判断初步作物分类地图是否存在误分类严重区域，若是，则从误分类严重区域中选择一部分作为样本补充区域，然后根据样本补充区域中存在的误分类别调整样本，综合初始作物样本及调整后样本数据进行模型迭代以及作物分类地图优化；若否，则输出当前深度学习模型；步骤5、利用步骤4所得深度学习模型对作物遥感制图目标区域进行作物分类，完成大规模作物制图。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于渐进迭代训练的大规模作物优化制图方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号