结合数据增广和迁移学习的高分辨率遥感影像场景分类

• 作者: 乔婷婷 李鲁群
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: 高分辨率遥感影像 场景分类 卷积神经网络 数据增广 迁移学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 37-42
• 页数: 6页
• 分类号: P237
• 语种: 中文

摘要

深度学习在计算机视觉领域取得了显著的成果,如图像分类、人脸识别、图像检索等.对于遥感领域而言,获取用于训练CNN的有标签数据集通常是一个重大挑战.本文研究了如何将CNN用于高分辨率遥感影像的场景分类,为了克服缺乏大量有标签遥感影像数据集的问题,结合CNN采用了两种技术:数据增广和迁移学习.在UC Merced Land Use数据集上,验证了VGG16、VGG19、ResNet50、InceptionV3、DenseNet121等5种网络的性能,分别达到了98.10％、96.19％、99.05％、97.62％、99.52％的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鲁群	上海师范大学信息与机电工程学院	19	72	4.0	8.0
2	乔婷婷	上海师范大学信息与机电工程学院	1	0	0.0	0.0