面向遥感图像的小样本目标检测改进算法研究

摘要：

针对传统的遥感图像目标检测中面临的小样本以及目标样本分布不均衡等问题,提出了一种基于改进的卷积神经网络(convolutional neural network,CNN)的遥感图像小样本目标检测算法.首先,该算法利用K近邻(K-nearest neighbor,kNN)回归分别对每个点和卷积层提取特征构建局部邻域;同时,通过最大池化聚合所有局部特征进行全局特征表示;最后,采用全连接层与缩放指数型线性单元(scaled expected linear unit,SELU)激活函数计算各类别对应的概率并分类.实验结果表明,该算法能够更有效地融合局部特征,提高了遥感图像小样本目标识别与检测的精度,同时保持信息的非局部扩散.

关键词：卷积神经网络、小样本、深度学习

所属期刊栏目：28

分类号：TB567(声学工程)

资助基金：东华理工大学江西省数字国土重点实验室开放研究基金资助项目DLLJ202103

在线出版日期：2022-11-08（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：314-323