联合卷积神经网络与集成学习的遥感影像场景分类

编号 zgly0001710859

文献类型 期刊论文

文献题名 联合卷积神经网络与集成学习的遥感影像场景分类

作者 余东行  张保明  赵传  郭海涛  卢俊 

作者单位 信息工程大学地理空间信息学院 

母体文献 遥感学报 

年卷期 2020年06期

年份 2020 

分类号 TP751  TP183 

关键词 遥感影像  场景分类  卷积神经网络  迁移学习  集成学习 

文摘内容 针对人工设计的中、低层特征难以实现复杂场景影像的高精度分类以及卷积神经网络依赖大量训练数据等问题,结合迁移学习与集成学习,提出了一种联合卷积神经网络与集成学习的遥感影像场景分类算法。首先基于迁移学习的思想,利用在自然影像数据集上训练好的多个深层卷积神经网络模型作为特征提取器,提取图像多个高度抽象的语义特征;然后构建由Logistic回归和支持向量机组成的Stacking集成模型,对同一图像的多个特征分别训练Logistic模型,将预测概率结果融合构建概率特征;最后利用支持向量机对概率特征训练和预测,得到场景影像的分类结果。利用UCMerced_LandUse和NWPU-RESISC 45两种不同规模的遥感影像数据集进行试验,即使在只有10%的数据作为训练样本情况下,本文方法能够分别达到90.74%和87.21%的分类精度。