用于高分辨遥感影像场景分类的迁移学习混合专家分类模型

• 作者: 龚希 陈占龙 吴亮 谢忠 徐永洋
• 来源期刊: 光学学报
• 学科: 地球科学
• 关键词: 遥感 高分辨率遥感影像 场景分类 混合专家系统 迁移学习
• 年，卷（期）: 2021,（23）
• 所属期刊栏目: 大气光学与海洋光学|Atmospheric Optics and Oceanic Optics
• 页码范围: 11-23
• 页数: 13页
• 分类号: P237
• 语种: 中文
• DOI: 10.3788/AOS202141.2301003

摘要

针对小样本遥感影像场景数据集中地物多样性和分布复杂性引起的分类精度低下的问题,提出一种基于迁移学习的混合专家(TLMoE)分类模型.该模型通过多通道充分利用包含场景全局信息的全连接层特征和包含场景局部细节信息的卷积层特征,能够实现更精确的场景分类.基于全连接层特征的预判通道,利用场景全局信息完成对全部类别场景的初判;通过专家通道为每类场景训练专属专家网络,针对性地挖掘各类场景卷积层特征中蕴含的关键局部信息,提取可区分相似场景间细微差异的局部特征,完成细粒度的识别;结合预判权重实现顾及场景全局及局部差异的分类.在小样本数据集上的实验表明,本文方法可有效识别易混淆场景,能够取得较好的分类效果.