發(fā)布時(shí)間：2024-06-02 03:15

　　近年來,隨著遙感和計(jì)算機(jī)技術(shù)的日趨成熟,大批高分辨率、短重訪周期的對(duì)地觀測(cè)衛(wèi)星應(yīng)運(yùn)而生,提供了海量?jī)?yōu)質(zhì)的遙感數(shù)據(jù),其中光學(xué)遙感衛(wèi)星的發(fā)展尤為迅速。作為對(duì)地觀測(cè)的主要手段之一,光學(xué)遙感圖像的科學(xué)管理和高效利用至關(guān)重要。而對(duì)海量的光學(xué)遙感圖像進(jìn)行多標(biāo)簽分類能夠自動(dòng)解譯圖像信息,批量快速生成圖像標(biāo)注,對(duì)許多理論研究和實(shí)際應(yīng)用領(lǐng)域都有著極其重要的意義。本文針對(duì)深度學(xué)習(xí)相關(guān)的光學(xué)遙感多標(biāo)簽分類任務(wù)展開研究,主要工作內(nèi)容和研究成果如下:(1)針對(duì)光學(xué)遙感圖像中復(fù)雜形變及標(biāo)簽差異過大的問題,本文開創(chuàng)性地將可變形卷積(Deformable Convolution,DC)單元引入多標(biāo)簽圖像分類任務(wù),提取了具有幾何不變性和自適應(yīng)感受野的圖像特征,為多標(biāo)簽分類器提供了一種很好的特征表示;(2)將多標(biāo)簽分類問題視作圖節(jié)點(diǎn)的分類問題,提出了一種顯式建模標(biāo)簽相關(guān)性、同時(shí)預(yù)測(cè)各類標(biāo)簽的多標(biāo)簽遙感圖像分類算法DCN-GNN(Multi-Label Classification with Deformable Convolution and Graph Neural Network),該算法利用語(yǔ)義引導(dǎo)的注意力機(jī)制對(duì)圖...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景
    1.2 研究?jī)?nèi)容及意義
    1.3 研究現(xiàn)狀
    1.4 本文主要工作
    1.5 本文組織架構(gòu)
第2章 理論基礎(chǔ)及相關(guān)技術(shù)
    2.1 深度學(xué)習(xí)相關(guān)理論
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.3 殘差網(wǎng)絡(luò)
        2.1.4 圖神經(jīng)網(wǎng)絡(luò)
    2.2 強(qiáng)化學(xué)習(xí)相關(guān)理論
        2.2.1 馬爾可夫決策過程
        2.2.2 探索與利用
        2.2.3 Q-學(xué)習(xí)與深度Q-學(xué)習(xí)算法
    2.3 自然圖像的多標(biāo)簽圖像分類相關(guān)技術(shù)
        2.3.1 多標(biāo)簽圖像分類傳統(tǒng)方法
        2.3.2 基于深度學(xué)習(xí)的多標(biāo)簽圖像分類算法
    2.4 光學(xué)遙感圖像的多標(biāo)簽分類相關(guān)技術(shù)
    2.5 本章小結(jié)
第3章 基于圖神經(jīng)網(wǎng)絡(luò)的光學(xué)遙感圖像多標(biāo)簽分類
    3.1 問題定義
    3.2 研究動(dòng)機(jī)及思路
    3.3 算法描述
        3.3.1 基于可變形卷積的圖像特征提取模塊
        3.3.2 基于注意力機(jī)制的圖像語(yǔ)義解耦模塊
        3.3.3 基于門控圖神經(jīng)網(wǎng)絡(luò)的語(yǔ)義交互模塊
        3.3.4 分類器模塊
    3.4 本章小結(jié)
第4章 基于深度強(qiáng)化學(xué)習(xí)的遙感圖像多標(biāo)簽分類
    4.1 研究動(dòng)機(jī)及思路
    4.2 算法描述
        4.2.1 多標(biāo)簽圖像分類場(chǎng)景下的馬爾可夫過程
        4.2.2 基于深度-Q學(xué)習(xí)的遙感圖像多標(biāo)簽分類算法
    4.3 本章小結(jié)
第5章 實(shí)驗(yàn)分析與討論
    5.1 實(shí)驗(yàn)數(shù)據(jù)集
        5.1.1 UC-Merced數(shù)據(jù)集
        5.1.2 DOTA數(shù)據(jù)集
    5.2 數(shù)據(jù)預(yù)處理
    5.3 評(píng)價(jià)指標(biāo)
    5.4 實(shí)驗(yàn)設(shè)置
        5.4.1 實(shí)驗(yàn)環(huán)境
        5.4.2 實(shí)現(xiàn)細(xì)節(jié)
    5.5 實(shí)驗(yàn)結(jié)果與分析
        5.5.1 對(duì)比實(shí)驗(yàn)
        5.5.2 可視化實(shí)驗(yàn)
    5.6 本章小結(jié)
第6章 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
致謝



本文編號(hào)：3986770