卷积神经网络在卫星遥感海冰图像分类中的应用探究——以渤海海冰为例

摘要：

本文以TensorFlow为框架搭建卷积神经网络,基于迁移学习的思想,以经典的手写数字识别作为引入,对不同代价函数和激活函数组合对卷积神经网络模型分类结果影响进行了评价分析.以HJ-1A/B渤海海冰图像为实验数据源,分析了不同函数组合对遥感海冰图像分类的影响,优选出交叉熵代价函数与ReLU激活函数为最佳的组合,证明了卷积神经网络在遥感海冰分类中的应用可行性.对渤海海冰图像分类结果进行验证,其中带标签样本验证精度为98.4％.使用该模型对无标签的测试样本进行识别,讨论了样本的窗口尺寸对海冰分类结果的影响,发现在400×400小范围分类实验中最佳窗口尺寸为2×2;最后对整个渤海海域进行识别验证,效果较好.

关键词：卷积神经网络、海冰分类、代价函数、激活函数、TensorBoard

所属期刊栏目：42

分类号：P731.15;P715.7(海洋基础科学)

资助基金：国家重点研发计划;近海海洋环境遥感监测预警服务支撑项目

在线出版日期：2020-10-14（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：100-109