| 集成空间变换结构与深度残差网络的遥感影像场景分类方法 |
| |
| 引用本文： | 孟亦菲,郑贵洲,冀炜臻.集成空间变换结构与深度残差网络的遥感影像场景分类方法[J].地球科学,2023(9):3526-3538. |
| |
| 作者姓名： | 孟亦菲 郑贵洲 冀炜臻 |
| |
| 作者单位： | 1. 中国地质大学地理与信息工程学院;2. 江西理工大学土木与测绘工程学院 |
| |
| 摘 要： | 针对传统高分辨率遥感影像的场景分类效率较低，以及卷积神经网络在遥感影像场景分类上由于空间不变性而导致的分类精度不高的问题，提出了一种结合空间变换网络和迁移学习的高分辨率遥感影像场景分类算法.首先，利用ImageNet数据集训练深度残差网络ResNet101得到预训练模型，通过知识迁移提高模型目标探测效率；之后在模型中嵌入空间变换结构，使模型能够主动在空间上变换特征映射，提高模型的鲁棒性；最后，在模型中添加Dropout层减小模型出现过拟合的概率.本方法在AID和NWPU-RESISC45两种不同规模的高分遥感影像数据集上进行了验证，在只有20%训练样本的情况下仍达到了94.30%和93.63%的分类精度.实验结果表明本次改进模型具有更好的特征提取能力，针对易误分类场景的分类结果更优.
|
| 关 键 词： | 深度学习 残差网络 空间变换网络 迁移学习 场景分类 遥感 |
|
