首页 > 论文 > 激光与光电子学进展 > 56卷 > 11期(pp:112801)

面向高分辨率遥感影像场景分类的无监督域适应方法

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对遥感影像标注数据获取困难、模型泛化能力较弱的问题,提出了一种面向高分辨率遥感影像场景分类的无监督域适应方法,该方法首先利用深度卷积神经网络VGG16学习场景影像的深度特征,然后利用对抗学习方法最小化源域和目标域特征分布差异,提高模型对目标域数据集的泛化能力。为了验证本文方法有效性,构建了一个多传感器、多分辨率、多地理区域、多类别的大型遥感影像场景分类数据集作为源域数据集,并将UC-Merced和WHU-RS两个通用数据集作为目标域数据集进行实验,实验结果表明,本文方法在目标域数据集没有标签的情况下,能够提高模型对目标域数据集的泛化能力。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.112801

作者单位:

    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
    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
    滁州学院地理信息与旅游学院

引用该论文

滕文秀,王妮,陈泰生,王本林,陈梦琳,施慧. 面向高分辨率遥感影像场景分类的无监督域适应方法[J].激光与光电子学进展,2019,56(11):112801.