特征重校准融合密集神经网络的遥感场景分类

发布时间：2021-03-02 08:25

　　针对遥感影像场景中空间信息丰富以及冗余的地理特征会对网络训练时造成干扰等问题,提出一种采用特征重校准融合密集神经网络的遥感影像场景分类方法。通过缩聚与激发机制建立SE block,将SE block与其多尺度分支嵌入DenseNet-121中进行特征重校准,利用DenseNet中密集连接方式加强信息流的传递。该方法使得整体模型获得全局感受野的稳健特征表示,减少遥感场景特征的冗余映射。通过在两个公开遥感影像数据集UCMerced_LandUse和SIRI-WHU中进行实验,分类精度分别高达97.7%和98.9%,验证了该方法的有效性。 

【文章来源】：计算机工程与设计. 2020,41(06)北大核心

【文章页数】：6 页

【部分图文】：

密集神经网络

本文网络结构

UCMerced＿LandUse数据集部分示例

【参考文献】：
期刊论文
[1]融合全局和局部深度特征的高分辨率遥感影像场景分类方法[J]. 龚希,吴亮,谢忠,陈占龙,刘袁缘,俞侃.  光学学报. 2019(03)
[2]基于离散余弦变换和深度网络的地貌图像分类[J]. 刘芳,路丽霞,黄光伟,王洪娟,王鑫.  光学学报. 2018(06)
[3]结合最小噪声分离变换和卷积神经网络的高分辨影像分类方法[J]. 陈洋,范荣双,王竞雪,吴增林,孙汝星.  激光与光电子学进展. 2017(10)
[4]结合均值漂移分割与全卷积神经网络的高分辨遥感影像分类[J]. 方旭,王光辉,杨化超,刘慧杰,闫立波.  激光与光电子学进展. 2018(02)
[5]联合显著性和多层卷积神经网络的高分影像场景分类[J]. 何小飞,邹峥嵘,陶超,张佳兴.  测绘学报. 2016(09)
[6]利用多尺度特征与深度网络对遥感影像进行场景分类[J]. 许夙晖,慕晓冬,赵鹏,马骥.  测绘学报. 2016(07)
[7]基于深度学习的高分辨率遥感影像分类研究[J]. 刘大伟,韩玲,韩晓勇.  光学学报. 2016(04)



本文编号：3058948