針對遙感影像場景數(shù)據(jù)難以獲取、冗余的地理特征會降低模型的泛化能力等問題,提出一種結(jié)合重校準(zhǔn)特征與對抗域適應(yīng)的無監(jiān)督遙感影像場景分類方法。通過縮聚與激發(fā)機(jī)制將SE block嵌入VggNet16,用于提高通道之間的相互依賴性,以自適應(yīng)地重新校準(zhǔn)通道之間的特征響應(yīng),使網(wǎng)絡(luò)模型通過全局信息來選擇性地提取有效遙感場景影像特征并抑制干擾特征;建立大型源域數(shù)據(jù)集并利用對抗域適應(yīng)方法減少源域與目標(biāo)域遙感影像場景特征差異,提高模型的泛化能力;在兩個公開遙感影像數(shù)據(jù)集UCMerced_LandUse和SIRI-WHU中進(jìn)行實驗,分類精度分別達(dá)到89.45%和98.12%。結(jié)果表明,該方法優(yōu)于主流的無監(jiān)督方法,在遙感影像場景分類中取得了較好的效果。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 相關(guān)原理
    1.1 特征重校準(zhǔn)
    1.2 生成對抗原理
2 方法設(shè)計
    2.1 SE-VggNet
    2.2 對抗域適應(yīng)
3 實驗與分析
    3.1 源域遙感場景分類數(shù)據(jù)集構(gòu)建
    3.2 實驗數(shù)據(jù)集
    3.3 評價指標(biāo)
    3.4 實驗結(jié)果與分析
    3.5 與現(xiàn)有方法對比分析
4 結(jié) 語



本文編號：3820499