基于改进的AlexNet网络模型的遥感图像分类方法研究

• 作者: 党鹏飞 周天顺 谢辉
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: 网络模型 遥感图像 图像分类
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 学术探讨
• 页码范围: 1263-1266
• 页数: 4页
• 分类号: P237
• 字数: 3039字
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2018.11.005

摘要

本文尝试利用深度神经网络进行遥感图像分类.经过比较后选择了AlexNet网络模型,为了缩短训练时间和提升分类准确率,对网络模型进行了改进,同时进一步尝试了权值迁移的训练方法.利用公开的遥感影像分类数据集UCM,在改进的网络模型上采用权值迁移的训练方法进行了实验,实验结果表明,改进后的网络模型和权值迁移的训练方法可以在不增加训练时间的同时将分类准确率提升27.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周天顺		3	10	2.0	3.0
2	党鹏飞		1	8	1.0	1.0
3	谢辉		1	8	1.0	1.0