基于深度学习的高分辨率遥感影像分类研究

• 作者: 卞林 卢涵宇 张涛 胡超 袁咏仪 郭彩
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 迁移学习 高分辨率 遥感影像分类
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机与电子信息科学
• 页码范围: 328-335
• 页数: 8页
• 分类号: TP391
• 字数: 3347字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2020.0328

摘要

针对经典的卷积神经网络方法,因其特征表达的空间信息缺陷未能很好地区分城市区域内的场景的问题,提出基于深度学习的高分辨率遥感影像分类方法,将两个深度神经网络GoogLeNet(InceptionV3)和胶囊网络(CapsNet)分别运用到城市区域的场景分类中.实验结果表明:通过迁移学习的手段,利用优化后的GoogLeNet在这次分类效果上比新训练的CapsNet分类效果明显,分类准确率高达95.9％;同时CapsNet也达到了92.6％的分类准确率,说明GoogLeNet及CapsNet能够较好地区分城市区域内的场景,并验证了Caps-Net在遥感影像场景分类中的发展潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢涵宇	贵州大学大数据与信息工程学院	75	190	7.0	10.0
2	胡超	贵州大学大数据与信息工程学院	6	6	1.0	2.0
3	张涛		6	0	0.0	0.0
4	卞林		1	0	0.0	0.0
5	袁咏仪		1	0	0.0	0.0
6	郭彩	贵州大学大数据与信息工程学院	2	0	0.0	0.0