计算机工程

作者：宝音图, 刘伟, 牛朝阳, 李润生, 张浩波

单位：信息工程大学 数据与目标工程学院, 郑州 450001

关键词：光学遥感图像,场景分类,深度学习,集成学习,EfficientNet网络

基金：国家自然科学基金（41901378）。

深度学习能够提高光学遥感图像场景分类的准确率和效率，但光学遥感图像语义丰富，部分场景仍存在易误分类的情况，同时由网络模型规模扩大带来的硬件要求过高、时间成本消耗过大等问题制约着深度学习网络模型的推广应用。为此，提出一种基于轻量化网络模型的光学遥感图像场景分类方法。通过EfficientNet网络提取图像特征，对图像特征进行复合提取以生成语义信息更丰富的新特征，利用多个子分类器构建集成学习模块解析新特征得到预分类结果，集成加权预分类结果以获得最终的分类结果。在AID和NWPU-RESISC45数据集上的实验结果表明，即使只训练20%的数据样本，该方法也能分别达到94.32%和93.36%的准确率，相对D-CNNs、CNN-CapsNet等方法，所提方法对易误分类场景有更好的分类效果，且参数量和浮点运算量大幅减少。

来源：2021年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第10期