高分辨率光学遥感场景分类的深度度量学习方法

• 作者: 叶利华 张文文 李永刚 王磊 王赠凯
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 深度学习 度量学习 均值中心度量损失 遥感影像 场景分类
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 698-707
• 页数: 10页
• 分类号: P237
• 字数: 5663字
• 语种: 中文

摘要

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法.首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数.该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率.试验结果表明,本文方法有效地提升了分类准确率.在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46％、1.09％和2.51％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李永刚	嘉兴学院数理与信息工程学院	35	124	5.0	9.0
2	王磊	同济大学电子与信息工程学院	374	3139	29.0	41.0
3	叶利华	同济大学电子与信息工程学院	2	4	2.0	2.0
7	张文文	同济大学电子与信息工程学院	7	6	2.0	2.0
8	王赠凯	嘉兴学院数理与信息工程学院	2	2	1.0	1.0