基于主动学习的遥感图像地块目标分类

摘要：

在传统的机器学习中,模型的准确度往往由已标记的数据样本规模所决定.但是在实际情况中,海量数据中往往只有极小部分获得了准确标记,而大部分数据未经标记,如果通过专业人员对数据逐个进行标记,将耗费大量的时间成本和经济成本.主动学习是从大量未标记的数据集中检索出最有用的未标记数据,交由专业人员进行标记,然后用该类样本来训练模型以期提高模型的准确率.本文设计一种对遥感图像的目标检测的方法,首先构建一个深度学习网络模型,通过使用已标注数据对该模型进行预训练,然后使用度量学习的技术,筛选出未标注数据集中的最有标注价值的图像数据进行标注,对此过程反复迭代,直至准确率达到设置的阈值.实验分别由已标注数据占总数据量的14.2％、21.4％、28.6％这3种数据标记量对该方法进行测试,结果表明,通过主动学习结合U-Net网络的方法,可以有效地减少数据的标记量而达到模型的预期效果.

关键词：主动学习;目标检测;遥感图像;地块分类

分类号：TP181(自动化基础理论)

在线出版日期：2021-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：50-55,60