典型文献
卷积神经网络和特征融合的遥感图像场景分类
文献摘要：
针对遥感图像场景分类中多尺度特征提取困难和特征表征能力弱等问题,提出一种基于卷积神经网络和多尺度特征融合MFF-CNN(Multiscale Feature Fusion-Convolution Neural Network)的遥感图像场景分类方法.对MFF-CNN网络的高层特征和低层特征进行提取,采用跳跃式特征融合方式对其进行特征融合,将融合后的特征与全连接层输出作为高层特征,利用多核支持向量机MKSVM(Multi-Kernel Support Vector Machine)进行精确分类.将现有基于深度学习方法与MFF-CNN在3个公开的遥感图像场景分类基准数据集上进行验证,结果表明,MFF-CNN算法总体精度更高.
文献关键词：
遥感图像;场景分类;深度学习;多尺度特征融合
中图分类号：
作者姓名：
何婧媛;谢生龙;田原;田琴琴
作者机构：
延安大学数学与计算机科学学院,陕西延安716000
文献出处：
引用格式：
[1]何婧媛;谢生龙;田原;田琴琴-.卷积神经网络和特征融合的遥感图像场景分类)[J].电子设计工程,2022(16):60-64
A类：
B类：
遥感图像场景分类,多尺度特征提取,表征能力,多尺度特征融合,MFF,Multiscale,Feature,Fusion,Convolution,Neural,Network,分类方法,低层,跳跃式,融合方式,全连接层,多核支持向量机,MKSVM,Kernel,Support,Vector,Machine,精确分类,深度学习方法,基准数据集,总体精度
AB值：
0.334167
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。
