Print

一种基于深度学习的遥感图像分类及农田识别方法

论文摘要

为解决便于发现我国基本农田被非法侵占的问题,针对现有神经网络收敛速度慢、识别准确率不高的缺点,提出一种基于卷积神经网络的遥感图像农田分类及识别方法。该算法使用较大的卷积核,有效地提取梯度信息;设计深度为6层的卷积神经网络,提高了网络的分类效果,且大大降低了网络的训练次数。实验结果表明,利用该识别模型对农田、建筑、荒漠以及植被的识别准确率达到98.15%,比经典AlexNet网络模型提高了6.1%;训练网络所需的迭代次数由1.49×10~6次左右降低到4 500次。因此,与经典AlexNet网络相比,改进的AlexNet网络用于遥感图像分类和目标图像识别,耗时更短、识别准确率更高。

论文目录

  • 0 引言
  • 1 农田识别的CNN基本框架
  • 2 本文算法
  •   2.1 网络结构和训练学习方法
  •   2.2 多种结构的网络
  • 3 实验平台及数据集
  •   3.1 实验条件
  •   3.2 数据集
  • 4 实验结果及分析
  •   4.1 模型验证
  •     4.1.1 减少层数的模型
  •     4.1.2 卷积核大小的改变
  •     4.1.3 不同网络的对比
  •   4.2 超参数的设置
  •   4.3 Dropout值对模型识别准确率的影响
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 宫浩,张秀再,胡敬锋

    关键词: 遥感图像分类,农田识别,深度学习,卷积神经网络,识别模型,网络训练

    来源: 现代电子技术 2019年08期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 工业通用技术及设备,自动化技术

    单位: 南京信息工程大学电子与信息工程学院,江苏省大气环境与装备技术协同创新中心

    基金: 江苏省自然科学青年基金项目(BK20141004),国家自然科学青年基金项目(11504176),国家自然科学青年基金项目(61601230),江苏高校优势学科建设工程资助项目~~

    分类号: TP751;TP18

    DOI: 10.16652/j.issn.1004-373x.2019.08.040

    页码: 179-182+186

    总页数: 5

    文件大小: 1694K

    下载量: 1140

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/cb4d7444aaa1eb5157cb6629.html