針對(duì)遙感影像場(chǎng)景中空間信息豐富以及冗余的地理特征會(huì)對(duì)網(wǎng)絡(luò)訓(xùn)練時(shí)造成干擾等問題,提出一種采用特征重校準(zhǔn)融合密集神經(jīng)網(wǎng)絡(luò)的遙感影像場(chǎng)景分類方法。通過縮聚與激發(fā)機(jī)制建立SE block,將SE block與其多尺度分支嵌入DenseNet-121中進(jìn)行特征重校準(zhǔn),利用DenseNet中密集連接方式加強(qiáng)信息流的傳遞。該方法使得整體模型獲得全局感受野的穩(wěn)健特征表示,減少遙感場(chǎng)景特征的冗余映射。通過在兩個(gè)公開遙感影像數(shù)據(jù)集UCMerced_LandUse和SIRI-WHU中進(jìn)行實(shí)驗(yàn),分類精度分別高達(dá)97.7%和98.9%,驗(yàn)證了該方法的有效性。 

【文章來源】：計(jì)算機(jī)工程與設(shè)計(jì). 2020,41(06)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

密集神經(jīng)網(wǎng)絡(luò)

本文網(wǎng)絡(luò)結(jié)構(gòu)

UCMerced＿LandUse數(shù)據(jù)集部分示例

【參考文獻(xiàn)】：
期刊論文
[1]融合全局和局部深度特征的高分辨率遙感影像場(chǎng)景分類方法[J]. 龔希,吳亮,謝忠,陳占龍,劉袁緣,俞侃.  光學(xué)學(xué)報(bào). 2019(03)
[2]基于離散余弦變換和深度網(wǎng)絡(luò)的地貌圖像分類[J]. 劉芳,路麗霞,黃光偉,王洪娟,王鑫.  光學(xué)學(xué)報(bào). 2018(06)
[3]結(jié)合最小噪聲分離變換和卷積神經(jīng)網(wǎng)絡(luò)的高分辨影像分類方法[J]. 陳洋,范榮雙,王競(jìng)雪,吳增林,孫汝星.  激光與光電子學(xué)進(jìn)展. 2017(10)
[4]結(jié)合均值漂移分割與全卷積神經(jīng)網(wǎng)絡(luò)的高分辨遙感影像分類[J]. 方旭,王光輝,楊化超,劉慧杰,閆立波.  激光與光電子學(xué)進(jìn)展. 2018(02)
[5]聯(lián)合顯著性和多層卷積神經(jīng)網(wǎng)絡(luò)的高分影像場(chǎng)景分類[J]. 何小飛,鄒崢嶸,陶超,張佳興.  測(cè)繪學(xué)報(bào). 2016(09)
[6]利用多尺度特征與深度網(wǎng)絡(luò)對(duì)遙感影像進(jìn)行場(chǎng)景分類[J]. 許夙暉,慕曉冬,趙鵬,馬驥.  測(cè)繪學(xué)報(bào). 2016(07)
[7]基于深度學(xué)習(xí)的高分辨率遙感影像分類研究[J]. 劉大偉,韓玲,韓曉勇.  光學(xué)學(xué)報(bào). 2016(04)



本文編號(hào)：3058948