基于迁移学习的遥感影像树种类型分类
Research and Exploration in Laboratory（2019）
摘要
提出了基于迁移学习思想的卷积神经网络遥感影像树种类型分类算法.采用ImageNet上训练的Inception-v3模型对树种影像特征进行提取,使用AID标准数据集和自行采集的东北林业大学实验林场数据集训练一个新的全连接层和Softmax层,更改输出层的节点数量;引入Dropout函数改善过拟合现象;通过反向传播优化模型.实验结果显示,模型在两种数据集上总体分类精度分别达到了98.8％和97.2％,Kappa系数分别为0.987和0.984,表明实验算法不仅降低了卷积神经网络的参数数量,还提高了目标分类识别的准确性.与传统方法相比,实验算法无需进行复杂的预处理技术即可实现树种的自动特征提取,同时解决了只有依赖大规模样本才可达到较高分类精度问题,在树种类型分类上具有很高的应用价值.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要