《表1 特征提取器的网络结构》
为获得高质量的多模态遥感影像高层特征,分别针对高分辨率数据集X={x1,x2,…,x1000}和低分辨率数据集Y={y1,y2,…,y1000}构建两个平行的深度网络模型:高分辨率特征提取器(HRFE)和低分辨率特征提取器(LRFE)。高分辨率是指在遥感图像上能够区分的最小单元的尺寸小,可以更好地表征影像分辨地面目标细节。高分辨率影像具有明显的地物纹理特征,低分辨率影像有明显的地物轮廓特征,合理有效地融合两种模态可获得既有纹理信息又具有轮廓信息的高层特征。该模型的网络结构信息如表1所示。表中:ReLU为激活函数,该函数前向传播计算简单、求解偏导数也简单,最重要的是不容易发生梯度发散问题,提高了模型的学习能力;*为卷积运算,Kcov1k为第k个卷积核,f为池化方法,W1、W2为两种模态相关性的权重值,b1,2,3,…,7为网络偏置,±为将两种模态的高层特征映射到同一个特征空间;全连接层特征映射图X′pool2w为X′pool2的第w行;X′ful1为融合前的高分辨率遥感影像的高层特征,Y′ful1为融合前的低分辨率遥感影像的高层特征;Kful1为第二层全连接的映射参数。
图表编号 | XD0066603700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.10 |
作者 | 贺琪、李瑶、宋巍、黄冬梅、何盛琪、杜艳玲 |
绘制单位 | 上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院、上海电力大学、上海海洋大学信息学院、上海海洋大学信息学院 |
更多格式 | 高清、无水印(增值服务) |