基于深度对抗域适应的高分辨率遥感影像跨域分类
提出一种基于深度对抗域适应的高分辨率遥感影像跨域分类方法.利用深度卷积神经网络VGG16 (Visual Geometry Group)学习场景影像的深度特征,然后利用对抗学习方法最小化源域和目标域特征分布差异.利用RSI-CB256 (Remote Sensing Image Classification Benchmark)、NWPU-RESISC45 (Northwestern Polytechnical University Remote Sensing Image Scene Classification)和AID(Aerial Image data set)数据集构建源域数据集,并将UC-Merced(University of California,Merced)和WHU-RS 19(Wuhan University Remote Sensing)两个数据集作为目标域数据集进行实验,实验结果表明,所提方法在目标域数据集没有标签的情况下,能够提高模型对目标域数据集的泛化能力.
遥感、场景分类、无监督域适应、卷积神经网络、生成对抗网络
56
TP753(遥感技术)
2019-07-31(万方平台首次上网日期,不代表论文的发表时间)
共11页
228-238