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！

申请/专利权人：福建农林大学

摘要：本发明涉及气象观测领域，具体是一种基于多尺度特征与梯度融合操作的云图识别方法，包括：1通过分支减半云图特征大小，增加云图多尺度特征信息：将云图经过一个7×7卷积层和最大池化层后，通过一个3×3的卷积将特征图大小减半，接着再送入分支网络进行训练，最后将主线网络与分支网络特征图大小对应位置进行特征融合；2通过梯度特征融合模块，增强云图特征轮廓信息：采用边缘轮廓提取算法Canny对每个密集块后的特征图提取梯度信息，将梯度信息经过softmax转化为权重矩阵，最后与特征图做点乘操作。本发明不仅进行了多尺度特征融合以及使用梯度信息，并且在模型中间将主线网络与分支网络对应大小位置进行叠加从而达到特征增强。

主权项：1.一种基于多尺度特征与梯度融合操作的云图识别方法，其特征在于，包括：1通过分支减半云图特征大小，增加云图多尺度特征信息，包括如下步骤：将云图经过一个7×7卷积层和最大池化层后，通过一个3×3的卷积将特征图大小减半，接着再送入分支网络进行训练，最后将主线网络与分支网络特征图大小对应位置进行特征融合；2通过梯度特征融合模块，增强云图特征轮廓信息，包括如下步骤：采用边缘轮廓提取算法Canny对每个密集块后的特征图提取梯度信息，将梯度信息经过softmax转化为权重矩阵，最后与特征图做点乘操作；所述基于多尺度特征与梯度融合操作的云图识别方法,具体包括如下步骤：S1：获取云图的种类图像数据，根据云图的种类特点，将云图分为N个类别后，将云图大小转换成294×294，并对图像进行归一化；S2：将云图输入网络提取图像特征，经过卷积和最大池化层得到74×74大小的64维特征图，网络分为主干网络和分支网络，主干网络分别经过密集块1-1、过渡层1-1、密集块1-2、过渡层1-2、密集块1-3、过渡层1-3和密集块1-4，分支网络分别经过密集块2-1、过渡层2-1、密集块2-2、过渡层2-2、密集块2-3、过渡层2-3和密集块2-4；S3：主干网络的输入、过渡层1-1和过渡层1-2分别经过3×3、步长为2的卷积大小减半，然后分别与分支网络的密集块2-1输出、密集块2-2输出和密集块2-3输出叠加，通过最大池化层后的特征经过多次3×3卷积使其大小依次减半，分别与分支网络的密集块后的特征进行通道叠加，使其保留最原始的特征信息；S4：采用Canny算法提取原图的梯度信息，与主线和分支网络的第一个密集块后的特征进行梯度增强操作；在主线和分支网络的第四个密集块后采用特征图梯度化增强轮廓特征。

全文数据：

权利要求：

百度查询： 福建农林大学 一种基于多尺度特征与梯度融合操作的云图识别方法