10.3979/j.issn.1673-825X.202102030037
小样本学习在高分遥感影像分类与识别中的应用
遥感影像分类与识别是近年来深度学习以及图像分类与识别研究的热点,其中一个关键问题是因样本数据集的数据较少而极易出现过拟合.许多图像分类的模型和方法并不完全适用于遥感影像分类,将小样本学习与遥感影像处理结合起来,实现遥感影像数据增强和识别模型优化是一个可行的思路.根据小样本学习的发展现状,针对特征提取、模型分类方法,归纳总结了典型学习方法的原理及其在相关领域的应用;分析遥感影像处理的现状和存在问题,基于适用场景、优缺点对各方法进行了比较;通过分析小样本学习在高分遥感影像分类与识别上的应用,发现引入注意力机制和迁移学习后,小样本学习能够用于样本数据量小的遥感影像分类.
小样本学习、遥感影像、图像分类与识别、深度学习
34
TN929
海南省自然科学基金;海口市科技计划项目
2022-07-04(万方平台首次上网日期,不代表论文的发表时间)
共13页
410-422