典型文献
基于改进胶囊神经网络的遥感影像分类
文献摘要：
针对遥感影像卷积神经网络(CNN)分类会导致特征信息丢失及泛化能力差的问题,提出一种基于通道注意力和混合注意力改进的胶囊神经网络分类模型.首先,为了胶囊神经网络能够适应于大尺寸输入图像,在特征提取模块中使用2个最大池化层;其次,为了提高分类精度,分别将SENet注意力和CBAM注意力加在特征提取模块的最后一层去改进特征提取模块;最后,将样本集随机地划分为训练集、验证集和测试集,进一步使用训练集和验证集训练模型,测试集测试模型,使用AID数据集对模型分类的泛化能力进行验证.实验结果表明:基于SENet网络改进的胶囊神经网络的准确率与Kappa系数要高于其他模型,泛化能力也优于其他模型,本文提出的模型的总体分类精度和泛化能力有了显著性提升,从而验证了本文方法的可行性和使用性.
文献关键词：
遥感影像;胶囊神经网络;分类精度;泛化能力;注意力机制
中图分类号：
作者姓名：
冷浩柏;卢涵宇;郭彩;袁咏仪;杨文雅
作者机构：
贵州大学大数据与信息工程学院,贵州 贵阳 550025;贵州六盘水三力达科技有限公司,贵州 六盘水 532001
文献出处：
引用格式：
[1]冷浩柏;卢涵宇;郭彩;袁咏仪;杨文雅-.基于改进胶囊神经网络的遥感影像分类)[J].计算机与现代化,2022(02):102-107,113
A类：
B类：
胶囊神经网络,遥感影像分类,特征信息,信息丢失,泛化能力,通道注意力,混合注意力,神经网络分类,分类模型,应于,大尺寸,取模,最大池化,分类精度,SENet,CBAM,加在,改进特征,样本集,训练集,验证集,测试集,集训,训练模型,测试模型,AID,模型分类,Kappa,注意力机制
AB值：
0.346787
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。
