面向小样本遥感解译的空间置弃FCN模型

摘要：

针对当前缺少大型遥感数据集,复杂深度学习语义分割模型优化难等问题,文章通过改进经典全卷积网络(Fully Convolutional Network,FCN)模型,提出了一种面向小样本遥感数据集,联合批归一化和空间置弃方法的智能解译语义分割模型,为解决小样本数据集过拟合问题提供新的思路.首次将空间置弃层引入FCN模型,并设计和实验了8组具有不同模块和网络结构的模拟场景.研究结果表明,不对原始小样本数据集进行数据增强处理,通过在不同位置增加若干数量的空间置弃层可有效抑制过拟合;对比8组实验场景结果,文章提出的改进模型在抑制过拟合、提升模型精度和模型收敛速度上的综合表现最优;集成于模型框架中的空间置弃层可以有效实现自学习降维,为复杂高分遥感图像解译提供有意义参考.

关键词：小样本、过拟合、批归一化、空间置弃、全卷积网络、遥感解译、遥感应用

所属期刊栏目：42

分类号：TP75(遥感技术)

资助基金：高等学校自然科学研究项目;合肥学院科研发展基金;安徽省自然科学基金;中国博士后科学基金

在线出版日期：2021-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：107-116