基于迁移学习和ResNet50的遥感图像土地覆盖分类OA
Land Cover Classification of Remote Sensing Images Based on Transfer Learning and ResNet50
遥感和人工智能的飞速发展为基于图像的土地覆盖自动分类提供了实现途径,本文通过修改深度残差网络(ResNet50)的输出层,并利用迁移学习将网络在ImageNet数据库上的预训练参数模型作为土地覆盖分类网络的初始参数模型,通过在遥感图像数据库上继续训练实现对工业区、森林、停车场等7种土地覆盖类型的分类.分类准确率在RSSCN7和NWPU-RESISC45数据库分别达到92.32％和99.29％.结果表明,基于迁移学习的Res-Net50深度学习算法…查看全部>>
彭程;王靖伟;高涛;申婕;王静;诸葛迎雪;孙静雯
日照市自然资源和规划局,山东 日照 276800日照市自然资源和规划局,山东 日照 276800日照市自然资源和规划局,山东 日照 276800日照市自然资源和规划局,山东 日照 276800日照市自然资源和规划局,山东 日照 276800中共日照市委网络安全和信息化委员会办公室,山东日照 276800南京市测绘勘察研究院股份有限公司,江苏 南京 210019
计算机与自动化
迁移学习ResNet50网络土地覆盖分类识别遥感图像
Transfer learningResNet50land cover classificationremote sensing images
《山东国土资源》 2023 (10)
62-66,5
武汉大学地球空间环境与大地测量教育部重点实验室开放基金资助(项目编号21-01-09)
评论