论文部分内容阅读
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