改进的残差3D-CNN的高光谱遥感影像分类
针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题,该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势,提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法.改进后的Inception模块包括4条不同的卷积层分支,用以提取蕴涵在高光谱遥感影像中多尺度的特征;利用了 3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征;通过残差结构连接分支提取特征缓解了梯度消失的问题,提取更深层次的特征.实验表明,该文算法不仅提高了条状和线状地物区域的边缘分类准确率,对小目标的分类能力也得到了增强.
3D-CNN、Inception模块、残差神经网络、高光谱遥感影像分类
48
P237(摄影测量学与测绘遥感)
国家自然科学基金;辽宁省教育厅重点项目
2023-05-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
148-156,184