典型文献
结合密集连接和特征重标定的高分影像分类方法
文献摘要：
现有的基于深度学习的面向对象分类方法存在特征表达不充分,难以处理蕴含复杂信息的高分辨率遥感影像等问题.为了实现高分辨率遥感影像高精度分类目的 ,本文提出了一种结合密集连接和特征重标定的影像分类方法.首先构建具有密集连接方式的DenseNet网络作为基础网络,密集连接的方式能实现每一层输入都是前面所有层信息的汇总;然后引入可实现特征重标定功能的SE模块,以增加特征代表性和区分性;最后设计得到最优SE_DenseNet网络模型,提取特征表达更充分的多层次融合影像,提高影像分类精度.基于ISPRS公开数据集,将本文方法与传统方法和其他深度学习分类模型进行对比,实验结果表明:本文方法优于其他方法,SE DenseNet网络模型提取的多层次特征较其他方法表达更加充分,可实现高分辨率遥感影像的高精度分类.
文献关键词：
高分辨率遥感影像;密集连接;特征重标定;面向对象分类
中图分类号：
作者姓名：
吴列;齐华;郎垚;南轲
作者机构：
四川电力设计咨询有限责任公司,四川成都610016;西南交通大学地球科学与环境工程学院,四川成都611756;四川省公路规划勘察设计研究院有限公司,四川成都610046
文献出处：
引用格式：
[1]吴列;齐华;郎垚;南轲-.结合密集连接和特征重标定的高分影像分类方法)[J].地理信息世界,2022(01):63-68,74
A类：
B类：
密集连接,特征重标定,高分影像,影像分类,面向对象分类方法,存在特征,特征表达,复杂信息,高分辨率遥感影像,类目,连接方式,DenseNet,SE,加特,区分性,提取特征,分类精度,ISPRS,公开数据集,分类模型,其他方法,多层次特征
AB值：
0.258532
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
