编号
zgly0001721296
文献类型
期刊论文
文献题名
基于Inception-V3模型的高分遥感影像场景分类
作者单位
福州大学数学与计算机科学学院
厦门大学嘉庚学院信息科学与技术学院
母体文献
国土资源遥感
年卷期
2020年03期
年份
2020
分类号
TP751
TP183
关键词
深度学习
迁移学习
卷积神经网络
Inception-V3
遥感图像分类
场景分类
文摘内容
传统高空间分辨率遥感影像(简称高分遥感影像)分类方法的同物异谱、异物同谱现象较为严重,深度学习方法为高分遥感影像分类提出了一种新的解决方案。然而,遥感影像训练样本少容易导致网络过拟合现象的发生。利用深度学习方法,结合迁移学习策略,提出了一种改进的Inception-V3的遥感图像场景分类模型。首先在原始Inception-V3模型的全连接层之前添加Dropout层,以进一步避免过拟合现象的发生;训练过程中采用迁移学习策略,充分利用已有模型及知识,提高训练效率。基于AID和NWPU-RESISC45两个大型高分遥感场景影像的实验结果表明,改进的Inception-V3较原始的Inception-V3训练收敛速度更快,训练效果更平稳;与其他传统方法和深度学习网络相比,本文提出的模型的分类精度也有较大的提升,验证了该模型的有效性。