深度可分离残差网络的高分遥感影像场景分类

作     者：吕欢欢 彭国峰 张辉 LYU Huanhuan;PENG Guofeng;ZHANG Hui

作者机构：辽宁工程技术大学软件学院辽宁葫芦岛125105 湖州师范学院信息工程学院浙江湖州313000 

出 版 物：《测绘科学》 (Science of Surveying and Mapping)

年 卷 期：2023年第48卷第4期

页      面：129-139页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金项目(42071428) 浙江省教育厅一般科研项目(Y202248546) 

主　　题：遥感和传感器 高分遥感影像 场景分类 可分离残差网络 可分离卷积 残差学习 

摘      要：针对已有基于深度卷积神经网络的高分辨率遥感影像场景分类模型参数量较大和运行速度较慢,以及在训练样本有限的情况下容易出现模型过拟合等问题,该文提出一种基于深度可分离残差网络的高分影像场景分类模型。首先,该模型基于残差学习思想,结合二维卷积和可分离卷积构建残差可分离特征提取模块,能够在提取影像深层次特征的同时减少模型的参数量;然后,以该模块作为基础结构构建深层次的特征提取网络模型;最后,将提取的特征输入到softmax分类器进行分类。在UC Merced和NWPU45两个数据集上对该文方法和几种深度学习场景分类方法进行实验对比,结果表明,提出模型的分类精度在UC Merced数据集两种不同比例训练样本下分别提高到98.04%和99.32%,在NWPU45数据集两种不同比例训练样本下分别提高到90.17%和92.26%,体现出该模型在遥感图像场景分类任务上更具有优势。