龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：河海大学
申请日：2021-07-06
公开（公告）日：2024-03-26
公开（公告）号：CN113569660B
主分类号：G06V20/10
分类号：G06V20/10;G06V10/764;G06V10/77;G06V10/82;G06N3/0464;G06N3/08
优先权：
专利状态码：有效-授权
法律状态：2024.03.26#授权;2021.11.16#实质审查的生效;2021.10.29#公开
摘要：本发明公开了一种用于高光谱影像分类的学习率优化算法折扣系数法，涉及遥感图像处理技术领域，包括如下步骤：获取高光谱图像数据；对高光谱图像数据进行预处理，得到训练集样本；将训练集样本输入卷积神经网络模型进行训练；在训练过程中对卷积神经网络模型的学习率进行修正；重复训练直至达到训练轮次要求。本发明通过提供一种用于高光谱影像分类的学习率优化算法折扣系数法，基于高光谱图像数据实现了对高光谱图像分类模型的建立，且在训练过程中对学习率进行修正，实现了对高光谱图像分类模型的优化，提高了分类模型的训练的效率和最终的性能。
主权项：1.一种用于高光谱影像分类的学习率优化算法折扣系数法，其特征在于，应用于卷积神经网络模型中，包括如下步骤：获取高光谱图像数据；对高光谱图像数据进行预处理，得到训练集样本；将训练集样本输入卷积神经网络模型进行训练；在训练过程中对卷积神经网络模型的学习率进行修正；重复训练直至达到训练轮次要求；对卷积神经网络模型的学习率进行修正，包括如下步骤：对卷积神经网络模型训练时的指标进行监视；判断指标是否停止改善，若指标未停止改善则继续训练直至训练轮次达到要求，若指标停止改善则暂停卷积神经网络模型训练；当卷积神经网络模型训练暂停时，利用卷积神经网络模型最后两次训练得到指标对学习率进行修正；基于修正后的学习率，从暂停训练处继续进行卷积神经网络模型的训练；对学习率进行修正包括：根据卷积神经网络模型停止训练时的前两次训练得到的指标计算折扣系数，并将折扣系数与停止训练前的学习率相乘；所述折扣系数的计算公式根据指标的类型确定：若所述指标的类型为误差，则折扣系数为w＝1-|l1-l2|，其中l1、l2分别为卷积神经网络模型最后一次训练的误差和倒数第二次的误差；若所述指标的类型为准确率，则折扣系数为w＝1-|a1-a2|，其中a1、a2分别为卷积神经网络模型最后一次训练的准确率和倒数第二次的准确率；其中w代表折扣系数。
全文数据：
权利要求：
百度查询： 河海大学 一种用于高光谱影像分类的学习率优化算法折扣系数法
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