多尺度卷积神经网络的遥感影像多标签分类

• 作者: 方锦雄 李安翼 王植
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 遥感影像 影像理解 多尺度 卷积神经网络 多标签分类
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 博士园地
• 页码范围: 7-10,14
• 页数: 5页
• 分类号: P237
• 语种: 中文

摘要

卫星、飞机等对地观测系统迅速发展,大量的遥感影像含有多种地物但不能得到有效利用,针对这一问题,本文提出了采用一种多尺度卷积神经网络对遥感影像进行多标签分类,以帮助影像的管理和理解.该算法通过获取更多语义信息和标签特征来提高分类精度.实验基于DLRSD数据集与XGBoost算法和基础网络进行了比较,且通过4个对比实验证明该算法有效可行,并对这些对比实验的内存及训练时间进行了统计.相比于XGBoost算法,本研究方法F2分数高了0.062;相比于基础网络,本研究方法F2分数高了0.088,其中,4个改进分别将F2分数提高了0.008、0.017、0.015、0.048;内存及训练时间对比中,最后一个改进使训练时间增加到两倍左右,其他改进对内存和训练时间改动不大.本文提出的多尺度卷积神经网络方法,虽然训练时间增加但使遥感影像多标签分类的精度提升很大,具有可操作性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王植		29	145	7.0	11.0
2	李安翼		2	0	0.0	0.0
3	方锦雄		2	0	0.0	0.0