基于深度学习的遥感图像分类及其CPU/GPU异构并行系统结构研究

项目名称： 基于深度学习的遥感图像分类及其CPU/GPU异构并行系统结构研究

项目编号： No.61402507

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 牛新

作者单位： 中国人民解放军国防科学技术大学

项目金额： 22万元

中文摘要： 如何对大规模多源遥感数据进行高效分类是遥感领域近年来的研究热点。相比传统方法，深度学习可以更有效的学习遥感地物特征从而提高分类水平。利用深度学习对大规模遥感图像进行高精分类的任务量大，计算密集且复杂，传统的串行处理模式已无法满足应用实时性需求。CPU/GPU异构并行体系结构可以满足应用对计算资源的不同需求，是未来高性能体系结构的发展方向之一。本项目拟面向CPU/GPU开展基于深度学习的大规模遥感图像分类研究，以提高分类效果和处理速度。主要研究内容：1）设计无监督深度卷积网络对大规模遥感数据的时空不变性特征进行有效学习；2）设计应用先验知识的深度学习遥感图像分类方法以提高分类精度；3）研究面向CPU/GPU平台的深度学习遥感图像分类多级混合并行算法，以及适于此类结合邻域分析和复杂机器学习的细粒度并行技术。本项目研究将有效提高遥感图像分类处理的业务水平，推动深度学习,遥感应用与并行计算的发展。

中文关键词： 遥感图像处理；深度学习；GPU；并行计算；

英文摘要： Efficicent classification on large multi-source remote sensing data is a hot topic in remote sensing field in recent years. In comparison with the conventional methods, deep learning could improve the classification results by effectively learned land cov

英文关键词： Remote Sensing Image Processing；Deep Learning；GPU；Parallel computing；