高分辨率遥感影像深度迁移可变形卷积的场景分类法

• 作者: 施慧慧 徐雁南 滕文秀 王妮
• 来源期刊: 测绘学报
• 关键词: 遥感 场景分类 卷积神经网络 可变形卷积 迁移学习
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 摄影测量学与遥感|Photogrammetry and Remote Sensing
• 页码范围: 652-663
• 页数: 12页
• 分类号: P237
• 语种: 中文

摘要

近年来基于深度卷积神经网络的高分辨率遥感影像场景分类成为广泛关注的焦点.由于现有深度卷积神经网络对遥感场景影像的几何形变不具有稳健性,本文提出了一种基于深度迁移可变形卷积神经网络(DTDCNN)的场景分类方法.该方法先利用大型自然场景数据集ImageNet上训练的深度模型提取遥感影像的深度特征,然后引入可变形卷积层,进一步学习对遥感场景的几何形变具有稳健性的深度特征.结果表明:增加可变形卷积后,DTDCNN在AID、UC-Merced和NWPU-RESISC45数据集上的精度分别提高了4.25％、1.9％ 和4.83％.该方法通过对场景中不同目标进行感受野自适应调整,增强了空间采样位置能力,有效提高了遥感场景分类的精度.