深度学习在航拍场景分类中的应用

被引:9
作者
李晓龙
张兆翔
王蕴红
刘庆杰
机构
[1] 北京航空航天大学计算机学院智能识别与图像处理实验室
关键词
航拍; 场景分类; 视觉词袋; 深度学习; 高分辨率;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
最近几十年来,航拍图片和视频在城市规划、沿海地区监视、军事任务等方面都得到了广泛的运用。因而了解航拍图片中所包含的内容,研究航拍视频所拍摄的场景类型就显得异常重要。目前流行的场景分类算法大多是针对自然场景的,很少有针对高分辨率航拍场景分类的算法。针对高分辨率航拍图片的场景分类给出了一种分层式算法。该算法首先用尺度不变特征转换(scale-invariant feature transform,SIFT)算法提取鲁棒的块局部特征,然后在视觉词袋的基础上,用经局限型波兹曼模型(restricted Boltzmann machine,RBM)初始化的深层信念网络(deep belief network,DBN)来表示低层特征与高层视频特征之间的关系;同时深层信念网络也起到了分类器的作用。实验结果表明,该算法在处理高分辨率航拍图片场景分类问题时都要略好于目前主流算法。
引用
收藏
页码:305 / 312
页数:8
相关论文
共 3 条
[1]   Distinctive image features from scale-invariant keypoints [J].
Lowe, DG .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110
[2]  
A combined fuzzy pixel-based and object-based approach for classification of high-resolution multispectral data over urban areas .2 Shackelford,Aaron K,Davis,Curt H. IEEE Transactions on Geoscience and Remote Sensing . 2003
[3]  
A fast learning algorithm for deep belief nets .2 Hinton Geoffrey E,Osindero Simon,Teh Yee-Whye. Neural computation . 2006