一种用于遥感图像场景分类的判别性学习 CNN 嵌入
计算机视觉与模式识别
2019-12-03 v2
摘要
在这项工作中，提出了一种判别性学习的 CNN 嵌入用于遥感图像场景分类。我们提出的孪生网络同时计算两幅输入图像的分类损失函数和度量学习损失函数。具体而言，对于分类损失，我们使用标准交叉熵损失函数来预测图像的类别。对于度量学习损失，我们的孪生网络学习将类内和类间输入对映射到一个特征空间，其中类内输入相近、类间输入以一定间隔分离。具体地，对于遥感图像场景分类，我们希望将来自同一场景的图像映射为相近的特征向量，并将来自不同场景的图像映射为相隔较远的特征向量。在三个不同的遥感图像数据集上进行了实验以评估我们所提方法的有效性。结果表明，所提方法取得了优异的分类性能。
引用
@article{arxiv.1911.12517,
title = {A Discriminative Learned CNN Embedding for Remote Sensing Image Scene Classification},
author = {Wen Wang and Lijun Du and Yinxing Gao and Yanzhou Su and Feng Wang and Jian Cheng},
journal= {arXiv preprint arXiv:1911.12517},
year = {2019}
}