基于改进GoogLeNet的遥感图像分类方法

• 作者: 史通 王洁 蔡启航 韩要昌
• 来源期刊: 弹箭与制导学报
• 关键词: 遥感图像 卷积神经网络 GoogLeNet 迁移学习
• 年，卷（期）: 2019,（5）
• 页码范围: 139-142,153
• 页数: 5页
• 分类号: TP751.2
• 语种: 中文
• DOI: 10.15892/j.cnki.djzdxb.2019.05.033

摘要

针对遥感图像的分类问题,文中提出了一种基于GoogLeNet卷积神经网络模型的遥感图像分类方法.根据遥感图像的特点,适当改进了GoogLeNet的网络结构;同时借鉴迁移学习的思想,采用在ImageNet上预训练的模型对不同的遥感图像数据集进行训练测试.分类准确率较改进前提高了10％以上,并节省了网络的训练时间.实验结果验证了该方法能提高遥感图像的分类准确率和节省训练时间的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王洁	空军工程大学防空反导学院	97	416	10.0	13.0
2	蔡启航	空军工程大学防空反导学院	4	4	2.0	2.0
3	史通	空军工程大学防空反导学院	6	14	2.0	3.0
4	韩要昌	空军工程大学防空反导学院	2	2	1.0	1.0