Print

基于改进GoogLeNet的遥感图像分类方法

论文摘要

针对遥感图像的分类问题,文中提出了一种基于GoogLeNet卷积神经网络模型的遥感图像分类方法。根据遥感图像的特点,适当改进了GoogLeNet的网络结构;同时借鉴迁移学习的思想,采用在ImageNet上预训练的模型对不同的遥感图像数据集进行训练测试。分类准确率较改进前提高了10%以上,并节省了网络的训练时间。实验结果验证了该方法能提高遥感图像的分类准确率和节省训练时间的有效性。

论文目录

  • 0 引言
  • 1 遥感图像分类模型的选择
  • 2 改进的GoogLeNet网络模型
  •   2.1 GoogLeNet模型的机理
  •   2.2 对GoogLeNet模型的改进
  •   2.3 改进效果验证
  • 3 利用权值初始化迁移模型
  • 4 实验与分析
  •   4.1 实验数据集
  •   4.2 GoogLeNet16的学习率和迭代次数
  •   4.3 实验结果与分析
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 韩要昌,王洁,史通,蔡启航

    关键词: 遥感图像,卷积神经网络,迁移学习

    来源: 弹箭与制导学报 2019年05期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 工业通用技术及设备,自动化技术

    单位: 空军工程大学防空反导学院

    基金: 国家自然科学基金(61601499)资助

    分类号: TP751;TP18

    DOI: 10.15892/j.cnki.djzdxb.2019.05.033

    页码: 139-142+153

    总页数: 5

    文件大小: 1004K

    下载量: 540

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e129fdfe1a6c4b61c00ec247.html