首页 > 论文 > 激光与光电子学进展 > 56卷 > 07期(pp:072801)

基于深度迁移学习的无人机高分影像树种分类与制图

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

树种分类是林业遥感研究的一个难点和热点。传统手工提取特征需要专业领域知识,提取高质量特征困难。针对上述问题本文提出了一种基于深度迁移学习的无人机高分影像树种分类与制图方法,该方法首先利用ImageNet上训练的大型卷积神经网络提取树种影像特征,然后采用全局平均池化压缩特征,并添加一个全连接层和Softmax分类器,采用反向传播和Adam优化算法训练树种分类模型,最后使用简单线性迭代聚类生成超像素,以超像素为最小分类单元,生成树种专题地图。实验结果表明,在树种影像受到树密度、树龄、树种、光照、背景等影响,类间差距小,类内差距大,并且树种标签较少,分类难度较大的情况下,仍取得了很好的效果,和小型卷积神经网络相比,收敛更快,总体精度和Kappa系数分别提高9.04%和0.1547,并且超像素树种制图边界更加精确。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.072801

作者单位:

    南京林业大学林学院
    南京林业大学林学院
    滁州学院地理信息与旅游学院
    滁州学院地理信息与旅游学院

引用该论文

滕文秀,温小荣,王妮,施慧慧. 基于深度迁移学习的无人机高分影像树种分类与制图[J].激光与光电子学进展,2019,56(07):072801.