一种基于深度学习的遥感图像分类及农田识别方法

• 作者: 宫浩 张秀再 胡敬锋
• 来源期刊: 现代电子技术
• 关键词: 遥感图像分类 农田识别 深度学习 卷积神经网络 识别模型 网络训练
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 179-182,186
• 页数: 5页
• 分类号: TN911.73-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.08.040

摘要

为解决便于发现我国基本农田被非法侵占的问题,针对现有神经网络收敛速度慢、识别准确率不高的缺点,提出一种基于卷积神经网络的遥感图像农田分类及识别方法.该算法使用较大的卷积核,有效地提取梯度信息;设计深度为6层的卷积神经网络,提高了网络的分类效果,且大大降低了网络的训练次数.实验结果表明,利用该识别模型对农田、建筑、荒漠以及植被的识别准确率达到98.15％,比经典AlexNet网络模型提高了6.1％;训练网络所需的迭代次数由1.49×106次左右降低到4 500次.因此,与经典AlexNet网络相比,改进的AlexNet网络用于遥感图像分类和目标图像识别,耗时更短、识别准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张秀再	南京信息工程大学电子与信息工程学院	41	150	6.0	9.0
5	胡敬锋	南京信息工程大学电子与信息工程学院	2	2	1.0	1.0
6	宫浩	南京信息工程大学电子与信息工程学院	1	2	1.0	1.0