测绘科学

2020, v.45;No.266(08) 151-156

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进残差网络的遥感图像场景分类
Remote sensing scene classification algorithm based on improved residual network

章晨;夏凯;杨垠晖;冯海林;杜晓晨;

摘要(Abstract):

针对因常规残差网络(ResNet)结构缺少跨维度特征整合而导致遥感图像场景分类准确率不高的问题,该文提出了一种改进残差网络的遥感图像场景分类方法。首先,利用残差结构降低深层网络的复杂度,减少参数量,解决网络退化的问题;然后,采用1×1的卷积结构降低特征维度,增加网络的宽度,整合遥感图像的空间信息和纹理特征。在NWPU-RESISC45数据集上进行实验,准确率达到了93.63%,较集成卷积神经网络方法的分类精度提高了1.1%,体现了改进的残差网络在遥感图像场景分类中的有效性和可行性。

关键词(KeyWords): 遥感图像;残差网络;特征整合;场景分类

Abstract:

Keywords:

基金项目(Foundation): 浙江省自然科学基金委员会-青山湖科技城管委会联合基金项目(LQY18C160002);; 浙江省科技重点研发计划资助项目(2018C02013)

作者(Author): 章晨;夏凯;杨垠晖;冯海林;杜晓晨;

Email:

DOI: 10.16251/j.cnki.1009-2307.2020.08.023

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享