为探讨深度学习技术运用于高空或卫星图像处理的问题,针对其高空层次特征丰富但细节信息不充分,以及背景多元化干扰等特点,研究一种有效的多分类方法。利用消费级无人机采集农作物高空图像,从图像数据规模有限,较难实现有效训练的问题出发,提出一种综合数据增强和迁移学习的方法克服数据集不足;结合高空图像的独特特征,改进高维空间的最优分类函数,对模型进行优化,使之更吻合高空拍摄农作物图像的识别与处理。通过构建多组数据、多种模型的对比实验,验证了该方法的有效性与性能,为农业智慧决策提供有益补充。
科研之友
微信
新浪微博
Facebook
分享链接
