样本尺寸对遥感影像FCN训练模型的影响分析

• 作者: 戴莉莉 李海涛 杨懿 韩颜顺 顾海燕
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 深度学习 全卷积神经网络 训练模型 遥感影像分类
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 133-137
• 页数: 5页
• 分类号: P237
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2019.06.019

摘要

针对如何选择合适尺寸的影像样本来得到较好的网络模型这一问题,该文基于全卷积神经网络(FCN)的遥感影像分类方法,开展了不同样本尺寸下的网络模型训练实验,分析了样本尺寸分别为128、256、512像素大小时对FCN网络模型的影响.结果 表明:512像素×512像素大小样本尺寸下像素准确率、平均准确率、平均交叉联合度量和带权交叉联合度量4个评价指标的精度值均高于128像素×128像素和256像素×256像素大小的值,比128像素×128像素样本尺寸平均高出20％以上,比256像素×256像素样本尺寸高出10％以上,因此,在计算机内存允许范围内采用大尺寸样本进行网络模型的训练,有利于提高模型训练精度,可得到更好的分类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海涛		55	1106	19.0	31.0
2	顾海燕		27	498	12.0	22.0
3	韩颜顺		15	190	7.0	13.0
4	杨懿		3	8	1.0	2.0
5	戴莉莉		1	0	0.0	0.0