基于深度迁移学习的城市高分遥感影像分类

• 作者: 聂运菊 黄如金
• 来源期刊: 江西科学
• 关键词: 分类 卷积神经网络 深度学习 遥感影像
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 106-110
• 页数: 5页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.13990/j.issn1001-3679.2020.01.022

摘要

结合我国城市化进程不断加快带来的问题,对城市人口密集建筑进行深入分类研究.通过深度迁移学习利用卷积神经网络(CNN)构建Alex Net网络、VGG-19网络、Res Net网络对城市进行分类研究.首先,将制作好的样本数据集与本文实验所选区域影像结合,形成该研究区域新的样本数据集,其次,对数据集进行增广处理.实验结果表明:1)CNN在城市多分类识别应用中具有可行性且分类精度较高,避免了传统分类方法的繁杂;2)3种结构模型中,其中VGG-19效果最好,Res Net网络次之,但三者分类都取得了比较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂运菊	东华理工大学测绘工程学院	49	199	9.0	13.0
2	黄如金	东华理工大学测绘工程学院	1	0	0.0	0.0