结合数据增广和迁移学习的高分辨率遥感影像场景分类

深度学习在计算机视觉领域取得了显著的成果,如图像分类、人脸识别、图像检索等。对于遥感领域而言,获取用于训练CNN的有标签数据集通常是一个重大挑战。本文研究了如何将CNN用于高分辨率遥感影像的场景分类,为了克服缺乏大量有标签遥感影像数据集的问题,结合CNN采用了两种技术:数据增广和迁移学习。在UC Merced Land Use数据集上,验证了VGG16、VGG19、Res Net50、InceptionV3、Dense Net121等5种网络的性能,分别达到了98. 10%、96. 19%、99. 05%、97. 62%、99. 52%的分类准确率。