基于卷积神经网络的遥感图像场景识别模型研究

发布时间：2021-02-15 04:37

　　遥感图像场景识别可以对遥感图像的语义内容加以解释,并且有助于完成遥感图像分类、目标检测等任务。近年来,深度卷积神经网络被广泛的应用于图像分类、图像目标识别等领域并取得了很好的效果。卷积神经网络可以提取图像高阶的、抽象的特征而这种提取图像特征的能力正是在遥感图像场景识别任务中所需要。因此本文将卷积神经网络用在遥感图像场景识别任务中。针对深度神经网络模型消耗大量内存和计算资源的情况,本文将深度模型压缩方法用于遥感图像的场景识别模型中,通过网络剪枝和权值共享与量化等操作在不大规模影响模型性能的前提下实现对模型规模的压缩。首先对卷积神经网络的基本结构和训练过程进行介绍,根据实际情况选择本文实验所使用的网络结构和重要参数。本文以AlexNet为基础网络,通过研究不同的卷积层层数、不同卷积核的数量、不同的初始学习率以及训练过程中不同的学习率更新频率等四个方面对最终识别准确率的影响,确定了实验所使用的网络结构与重要参数的数值,对于数据集AID文中所采用网络的初始准确率为96.2%,然后使用PReLu函数代替ReLu函数作为卷积神经网络的激活函数,进一步将模型的识别准确率提高为97.1%,训练完成后得... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

LeNet-5网络结构示意图

深度学习分层结构示意图

1 1= ：Z 代表卷积核，大小为 FХFХN(F 表示卷积核大小，N 表示卷积核的数表卷积操作， 为上一层输出， , 分别为输入图像的宽和高，b 为偏置 1为特征图中的元素， ， 分别为新得到特征图的宽度和高度。 ， 的示为。 = ( )ζ = ( )ζ ：P 表示边界填充的数量，S 为滑动步长。卷积过程如图 2.3 所示。

【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[2]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[3]图像纹理特征提取方法综述[J]. 刘丽,匡纲要.  中国图象图形学报. 2009(04)
[4]基于人工神经网络——多层感知器（MLP）的遥感影像分类模型[J]. 韩玲.  测绘通报. 2004(09)
[5]人工神经网络BP算法的改进及其应用[J]. 李晓峰,刘光中.  四川大学学报(工程科学版). 2000(02)
[6]利用小波和矩进行基于形状的图象检索[J]. 姚玉荣,章毓晋.  中国图象图形学报. 2000(03)

硕士论文
[1]深度神经网络的压缩实现方法研究[D]. 马琰.西安理工大学 2018
[2]基于多路分层稀疏编码的遥感图像场景分类[D]. 鲍珍珍.西安电子科技大学 2014
[3]基于中层语义的图像场景分类算法研究[D]. 王同刚.北京交通大学 2011



本文编号：3034449