基于Inception-V3模型的高分遥感影像场景分类

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 蔡之灵  翁谦  叶少珍  简彩仁 

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。