双分支遥感影像多标签重平衡权重分类方法

• 作者: 蔺智鹏 李铸洪 刘舟 沈未名
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 遥感影像 多标签分类 长尾效应 损失函数 深度学习 影像解译
• 年，卷（期）: 2021,（z2）
• 所属期刊栏目: 人工智能|Artificial intelligence
• 页码范围: 86-92
• 页数: 7页
• 分类号: TP751
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020121944

摘要

针对遥感影像多标签分类中类别标签频次存在长尾分布,导致深度学习网络无法充分学习尾部类别特征的问题,提出了一种双分支遥感影像多标签重平衡权重分类方法.首先,通过利用数据集标签频次的统计特性,重新对二进制交叉熵(BCE)损失函数中各个类别的权重进行设计,从而达到在卷积神经网络训练过程中重视尾部类别的目的.然后,使用一个双分支结构对修改后的模型和原模型进行集成,两个分支分别关注头部类和尾部类,提高整体的识别效果.最后,为了更好地验证算法的有效性,构建了一个目前最大规模的基于实例的遥感影像多标签分类数据集ML-iSAID.实验结果表明,双分支重平衡权重训练方法与仅使用BCE损失函数的方法(基准方法)相比在ML-UCMerced、ML-AID、ML-iSAID三个数据集中在基于类别的F1指标上分别提升了1.28个、5.40个、3.26个百分点.所提方法能够可以有效缓解长尾效应带来的归纳偏置.