10.3969/j.issn.1006-8023.2021.03.011
基于改进VGG16网络的机载高光谱针叶树种分类研究
为解决针叶树种识别上存在的分类精度较低和训练时间较长的难点问题.本文提出一种基于卷积神经网络的机载高光谱影像针叶树种分类的网络模型.实验选定VGG16作为基础网络进行改进,精简了网络层的结构,重新组织了卷积核的排列,更好地适应高光谱分类任务,对实验选择的茶壶实验森林的机载高光谱影像数据带进行数据增强,使用Adam优化器进行训练优化,使用学习率反向时间衰减器和Early-stooping优化器加快网络拟合的速度、增加网络的泛化能力.研究结果表明,在类间差距小、类内差距大的情况下,与对比实验效果最好的未改进VGG16网络相比,针叶树种高光谱影像多标签分类的精度提高了8.17%,达到了94.47%的分类准确率,且训练时长缩减了6倍多.从而得到:将卷积核数量按照从大到小的方式排列有助于高光谱信息的提取和训练时间的缩短;网络层数的精简可以在保证模型达到拟合的前提下训练不会过度,减小训练时间;数据增强对针叶树种识别准确率的提升有着很大的帮助.
树种分类、高光谱分析、卷积神经网络、梯度下降、主成分分析、VGG16
37
S718.49;TP753(林业基础科学)
公益性行业科研专项No.201504307
2021-06-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
79-87