基于OverFeat模型的长江口南汇潮滩植被分类

• 作者: 崔艳荣 李静 王文柳 韩震
• 来源期刊: 生态科学
• 学科: 工学
• 关键词: ImageNet 卷积神经网络 OverFeat 特征提取 分类
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究报告
• 页码范围: 135-141
• 页数: 7页
• 分类号: TP79
• 字数: 3550字
• 语种: 中文
• DOI: 10.14108/j.cnki.1008-8873.2019.04.019

摘要

潮滩地带环境复杂多变,有些植被之间光谱特性相似,为了解决植被精细分类精度不高的问题,利用基于ImageNet预训练的卷积神经网络OverFeat模型,以高分二号(GF-2)卫星遥感影像作为实验数据,对长江口南汇潮滩不同生长状态的植被进行了深度特征提取,然后将模型训练好的深度特征输入到支持向量机(SVM)分类器中,得到植被分布信息.研究结果表明,与基于光谱特征的SVM分类方法相比,文章所用方法的分类精度更高,总体精度可达96.08％,证明了使用基于ImageNet数据集的预训练卷积神经网络对不同生长状态的植被可以实现较好的识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩震	上海海洋大学海洋科学学院	73	441	15.0	18.0
3	王文柳	上海海洋大学海洋科学学院	3	1	1.0	1.0
4	李静	上海海洋大学海洋科学学院	11	63	2.0	7.0
5	崔艳荣	上海海洋大学海洋科学学院	4	0	0.0	0.0