典型文献
基于模型迁移的遥感影像场景分类方法对比研究
文献摘要：
随着深度学习的发展,卷积神经网络在图像领域的应用优势越来越显著.为了解迁移学习中不同模型迁移方法的迁移特性,更好地利用深度学习方法完成遥感影像场景分类任务,对比分析了 Pytorch深度学习框架下微调网络和冻结网络参数,以及在不同深度残差网络(ResNet)上模型迁移训练的特征,并在UC Merced Land-Use、RSSCN7和NWPU-RE-SISC45数据集中对这2种方法进行测试.测试结果表明,参数迁移的方法能够很好地完成遥感影像场景分类任务.其中微调网络方法参数迁移训练的模型鲁棒性、泛化能力更好,但需要耗费更多计算资源与训练时间;冻结网络参数方法训练的模型参数较少,能够更快地完成网络训练,但训练模型的泛化能力不如微调网络方法.当深度学习框架提供的预训练模型不能满足实际应用时,可以选择与目标任务相关性更高的源域训练的模型进行参数迁移,来满足实际的应用需求.本实验结果能为基于迁移学习的遥感影像场景分类在方法、模型、数据集等方面的选择上提供参考.
文献关键词：
残差网络;微调网络;冻结网络参数;模型迁移;场景分类
中图分类号：
作者姓名：
刘波;杜梓维;刘华;苏友能;洪丹阳;白思雨
作者机构：
东华理工大学测绘工程学院,江西南昌 330013
文献出处：
引用格式：
[1]刘波;杜梓维;刘华;苏友能;洪丹阳;白思雨-.基于模型迁移的遥感影像场景分类方法对比研究)[J].东华理工大学学报（自然科学版）,2022(02):167-176
A类：
冻结网络参数,RSSCN7,SISC45
B类：
基于模型,模型迁移,遥感影像场景,场景分类,分类方法,方法对比,图像领域,应用优势,迁移学习,迁移特性,深度学习方法,分类任务,Pytorch,深度学习框架,微调网络,不同深度,深度残差网络,ResNet,迁移训练,UC,Merced,Land,Use,NWPU,RE,参数迁移,方法参数,模型鲁棒性,泛化能力,耗费,计算资源,训练时间,参数方法,方法训练,网络训练,预训练模型,目标任务,任务相关性,源域,应用需求
AB值：
0.345225
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。
