高分辨率遥感影像深度迁移可变形卷积的场景分类法

• Published in: 测绘学报 Vol. 50; no. 5; pp. 652 - 663
• Main Authors: 施慧慧, 徐雁南, 滕文秀, 王妮
• Format: Journal Article
• Language: Chinese
• Published: 滁州学院地理信息与旅游学院,安徽滁州239000 01.05.2021; 南京林业大学南方现代林业协同创新中心,江苏 南京 210037; 南京林业大学林学院,江苏 南京210037%马萨诸塞大学阿默斯特分校地球科学系,美国马萨诸塞州01003%安徽省地理信息智能感知与服务工程实验室,安徽滁州239000
• Subjects: 迁移学习; 卷积神经网络; 遥感; 场景分类; 可变形卷积
• ISSN: 1001-1595
• DOI: 10.11947/j.AGCS.2021.20200190

P237; 近年来基于深度卷积神经网络的高分辨率遥感影像场景分类成为广泛关注的焦点.由于现有深度卷积神经网络对遥感场景影像的几何形变不具有稳健性,本文提出了一种基于深度迁移可变形卷积神经网络(DTDCNN)的场景分类方法.该方法先利用大型自然场景数据集ImageNet上训练的深度模型提取遥感影像的深度特征,然后引入可变形卷积层,进一步学习对遥感场景的几何形变具有稳健性的深度特征.结果表明:增加可变形卷积后,DTDCNN在AID、UC-Merced和NWPU-RESISC45数据集上的精度分别提高了4.25％、1.9％ 和4.83％.该方法通过对场景中不同目标进行感受野自适应调整,增强了空间采样位置能力,有效提高了遥感场景分类的精度.