基于ImageNet预训练卷积神经网络的遥感图像检索
高分辨率遥感图像内容复杂,细节信息丰富,传统的浅层特征在描述这类图像上存在一定难度,容易导致检索中存在较大的语义鸿沟.本文将大规模数据集ImageNet上预训练的4种不同卷积神经网络用于遥感图像检索,首先分别提取4种网络中不同层次的输出值作为高层特征,再对高层特征进行高斯归一化,然后采用欧氏距离作为相似性度量进行检索.在UC-Merced和WHU-RS数据集上的一系列实验结果表明,4种卷积神经网络的高层特征中,以CNN-M特征的检索性能最好;与视觉词袋和全局形态纹理描述子这两种浅层特征相比,高层特征的检索平均准确率提高了15.7％～25.6％,平均归一化修改检索等级减少了17％～22.1％.因此将ImageNet上预训练的卷积神经网络用于遥感图像检索是一种有效的方法.
遥感图像、检索、卷积神经网路、预训练
43
TP751(遥感技术)
国家自然科学基金41261091;江西省教育厅科技项目GJJ13482;江西省自然科学基金20151BAB207062.The National Natural Science Foundation of China,No.41261091;the Youth Fund Project of Education Department of Jiangxi,No.GJJ13482;the National Natural Science Foundation of Jiangxi,No.20151BAB207062
2018-03-26（万方平台首次上网日期，不代表论文的发表时间）
共7页
67-73
