迁移学习支持下的土地利用/土地覆被分类

被引：8

作者：

李海雷 ^{[1
]}

胡小娟 ^{[2
]}

郭杭 ^{[2
]}

吴文瑾 ^{[3
]}

机构：

[1] 南昌大学信息工程学院

[2] 南昌大学科学技术学院

[3] 中国科学院遥感与数字地球研究所

来源：

测绘通报 | 2018年 / 09期

基金：

国家重点研发计划;

关键词：

土地利用/土地覆被分类; Sentinel-1卫星; 深度残差神经网络; 迁移学习; 深度学习;

D O I：

10.13474/j.cnki.11-2246.2018.0278

中图分类号：

F301.2 [土地管理、规划及利用]; TP18 [人工智能理论];

学科分类号：

083306 ; 0903 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对土地利用/土地覆被分类中小规模数据集无法使用深度学习方法自动分类的问题,提出了利用精简深度残差神经网络(Resnet-50)进行迁移学习的土地利用/土地覆被自动分类算法。首先,使用Sentinel-1卫星提供的遥感数据制作数据集;然后,对Resnet-50中每层的卷积模板数量进行压缩并在其后级联自适应网络得到精简残差网络;最后,利用Image Net数据集预训练精简残差网络,并将网络模型迁移到Sentinel-1数据集对网络参数进行微调,最终实现小数据集上土地利用/土地覆被的高精度自动分类。试验结果表明该算法在SAR数据集上的分类精度高达95.15%,验证了算法的可行性。

引用

页码：50 / 54+73 +73

页数：6

共 6 条

[1] GABA算法的遥感图像分类 [J].