基于CNN的高分遥感影像深度语义特征提取研究综述

• 作者: 张倩 董蕴雅
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 高分辨率遥感影像 深度语义特征 深度学习 卷积神经网络模型
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 综述
• 页码范围: 1-11
• 页数: 11页
• 分类号: TP751
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2019.1.0001

摘要

近年来,深度学习作为计算机视觉的研究热点,在诸多方面得以发展与应用.特征提取是理解和分析高分遥感影像的关键基础.为促进高分遥感影像特征提取技术的发展,总结了深度学习模型在高分遥感影像特征提取技术的研究与发展,如:AlexNet,VGG-网和GoogleNet等卷积网络模型在深度语义特征提取中的应用.此外,重点分析和讨论了以卷积神经网络模型为基础的各类深度学习模型在高分遥感影像特征提取方面的应用与创新,如:迁移学习的应用;卷积神经网络(Convolutional Neural Network,CNN)模型结构的改变;CNN模型与其他模型结构的结合等方式,均提升了深度语义特征提取能力.最后,对卷积神经网络模型在高分遥感影像深度语义特征提取方面存在的问题以及后续可能的研究趋势进行了分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张倩	华东师范大学计算机科学与软件工程学院	15	153	6.0	12.0
2	董蕴雅	华东师范大学计算机科学与软件工程学院	1	6	1.0	1.0