基于深度学习的场景遥感图像分类方法研究

• 作者: 汪晓洲 石翠萍 杨焜 王权
• 来源期刊: 齐齐哈尔大学学报（自然科学版）
• 关键词: 深度学习 卷积神经网络 图像分类 场景遥感图像
• 年，卷（期）: 2021,（5）
• 页码范围: 11-15
• 页数: 5页
• 分类号: TN919
• 语种: 中文
• DOI: 10.3969/j.issn.1007-984X.2021.05.003

摘要

为了解决场景遥感图像通常分类性能较差、分类精度不高的问题,提出一种基于改进VGG16的场景遥感图像分类方法.针对传统VGG16模型参数量庞大的问题,对通道数以及参数量进行缩减.在算法运行过程中对数据进行正则化处理,并在分类方法中加入注意力机制.通过将注意力机制与CNN模型进行结合,并对两者进行端到端的训练,提高了模型的分类性能.在不同的分类与检测数据集上进行测试,实验结果表明,在相同的参数设置下,提出的方法能明显提高对场景遥感图像分类的性能.