检索结果-南通市图书馆

作者：罗莉中南大学

学位级别：硕士

遥感影像作为地球观测的重要数据源,常被应用于农业、林业、城市监测等领域。随着传感器和遥感平台种类不断增多,遥感影像数据正在急剧增加。面对海量的遥感影像数据,深度学习方法展现出了强大的特征提取能力,但需要满足训练与测试集具... 详细信息

遥感影像作为地球观测的重要数据源,常被应用于农业、林业、城市监测等领域。随着传感器和遥感平台种类不断增多,遥感影像数据正在急剧增加。面对海量的遥感影像数据,深度学习方法展现出了强大的特征提取能力,但需要满足训练与测试集具有相同分布的前提假设。然而,遥感影像的分布随传感器、时间、空间等条件的变化而变化,这种传感器和时空的异质性从根本上打破了上述假设,因而显著损害了深度学习模型的解译性能与应用。因此,如何从遥感影像中提取有效特征并实现可靠的解译成为了遥感领域的重要研究课题。尽管理论上可以利用有着不同分布的海量遥感影像学习稳定的不变性表征以对应上述异质性的影响,但每个影像仅是特定传感器-时间-空间三维空间中的一个点。从动态、连续的遥感数据收集足够充分的样本在现实中几乎不可能完成。对此,如果能灵活模拟遥感影像的各种可能分布,就有机会以低成本的方式学习鲁棒表征,实现跨传感器和时空的高性能解译。研究表明,遥感影像的视觉分布可被描述为风格,即不同传感器和时空的影像的视觉差异可被抽象为风格差异。基于此,本文通过深度风格模拟遥感影像可能的异质性分布,从而学习遥感影像视觉特征的不变性表示。具体而言,本文分别针对卫星影像和近地面影像的时间、空间异质性问题展开了研究与讨论。主要研究成果如下:(1)针对卫星影像的时间异质性使得模型的泛化性下降问题,提出了基于风格不变损失的卫星影像视觉特征表示方法。本文利用随机颜色增强方法模拟了影像在不同时期的视觉表现,并借用了对比学习方法学习影像的风格不变表征,同时引入风格不变损失拉近同一对象但不同风格影像之间的距离。为了验证其有效性,该方法在多个下游任务中测试,实验结果表明,该方法在场景分类任务中有较大的提升,较随机初始化提升了16.91%,比Mo Co v2高了16.42%。但是,在像素级分类任务上没有表现出明显的效果。(2)针对随机颜色增强方式不能很好地缓解卫星影像时间异质性所带来的影响,提出了基于GAN增强的卫星影像视觉特征表示方法。本文利用GAN方法实现影像在两个季节中的转换,增加了影像在时间变化上的真实性。结果表明,该方法在多个下游任务上精度都有明显的提升。相比于Sim CLR,该方法在场景分类任务中精度提升了6.65%;在语义分割任务中OA提升了2.72%;在变化检测任务中F1分数提升了8.55%。另外,本文发现该方法在一定程度上解决了遥感影像“同谱异物、同物异谱”的问题,即学习到了影像的风格不变表示。(3)针对坐落于不同空间的城市风貌具有相似性和差异性问题,提出了基于深度风格学习的近地面影像视觉特征表示方法。本文利用风格统计特征作为城市风貌的判断标准,并主要从两个方面进行了分析:城市间的风貌相似性和城市内部的风貌类型。研究表明,在地理空间上呈现出相近的两个城市的风貌相似度较大的趋势。另外,通过该方法可以帮助检索到城市内风貌相似且独特的场景,有利于城市风貌的挖掘。图36幅,表12个,参考文献129篇

关键词：深度风格学习遥感影像视觉特征表示自监督学习监督学习城市风貌

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向对抗样本的深度神经网络可解释性分析

引用

自动化学报 2022年第1期48卷 75-86页

作者：董胤蓬苏航朱军清华大学计算机科学与技术系北京100084

虽然深度神经网络(Deep neural networks,DNNs)在许多任务上取得了显著的效果,但是由于其可解释性(Interpretability)较差,通常被当做"黑盒"模型.本文针对图像分类任务,利用对抗样本(Adversarial examples)从模型失败的角度检验深度神... 详细信息

虽然深度神经网络(Deep neural networks,DNNs)在许多任务上取得了显著的效果,但是由于其可解释性(Interpretability)较差,通常被当做"黑盒"模型.本文针对图像分类任务,利用对抗样本(Adversarial examples)从模型失败的角度检验深度神经网络内部的特征表示.通过分析,发现深度神经网络学习到的特征表示与人类所理解的语义概念之间存在着不一致性.这使得理解和解释深度神经网络内部的特征变得十分困难.为了实现可解释的深度神经网络,使其中的神经元具有更加明确的语义内涵,本文提出了加入特征表示一致性损失的对抗训练方式.实验结果表明该训练方式可以使深度神经网络内部的特征表示与人类所理解的语义概念更加一致.

关键词：深度神经网络可解释性对抗样本视觉特征表示

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于场景语义的遥感图像目标识别

引用

现代电子技术 2017年第11期40卷 43-45,52页

作者：刘宁波孙艳丽王杰海军航空工程学院信息融合所山东烟台264001 海军航空工程学院基础实验部山东烟台264001

高分辨率遥感图像的信息解译的通常思路是从特定类型目标的检测与识别分析入手,最终实现图像场景的认知理解。给出一种利用CSIFT特征的遥感图像视觉特征表示方法和基于PLSA的遥感图像场景语义识别方法,并利用10类典型遥感图像场景进行实... 详细信息

高分辨率遥感图像的信息解译的通常思路是从特定类型目标的检测与识别分析入手,最终实现图像场景的认知理解。给出一种利用CSIFT特征的遥感图像视觉特征表示方法和基于PLSA的遥感图像场景语义识别方法,并利用10类典型遥感图像场景进行实验,充分验证了该方法的有效性。

关键词：高分辨率遥感图像场景语义识别视觉特征表示概率潜在语义分析

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：