基于改进FCN网络的GOCI绿潮分类研究

• 作者: 刘慧芳 杨光 赵尊强 陈鑫
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: GOCI 绿潮分类 全卷积网络 深度学习 绿潮解译图
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 69-73
• 页数: 5页
• 分类号: TP301
• 字数: 3049字
• 语种: 中文
• DOI: 10.11907/rjdk.192330

摘要

为提高GOCI影像中绿潮分类的精度和速度,并克服传统方法中阈值难以确定的缺点,基于全卷积网络,提出一种新的网络结构用于绿潮和海水分类.首先降低全卷积网络深度,然后加强网络结构中高层特征与底层特征网络的链接,最后通过Softmax层生成高级语义特征进行最终分类.在GOCI数据集上的实验结果表明,改进的网络模型可以取得很好的竞争性,召回率、F1系数和Kappa系数分别达到83.0％、84.4％和83.7％.与传统方法相比,基于深度学习模型的GOCI影像绿潮分类,不仅提供了更加详细的绿潮分布信息,而且缩短了整个绿潮解译图制作流程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨光	山东科技大学计算机科学与工程学院	15	12	2.0	3.0
2	陈鑫	山东科技大学计算机科学与工程学院	6	19	2.0	4.0
3	赵尊强	山东科技大学计算机科学与工程学院	1	0	0.0	0.0
4	刘慧芳	山东科技大学计算机科学与工程学院	1	0	0.0	0.0