一种用于遥感场景分类的层次化方法
计算机视觉与模式识别
2022-01-26 v2
摘要
遥感场景分类处理从图像中对区域土地利用/覆盖进行分类的问题。为预测城市的发展与社会经济结构，各国国家测绘机构追踪区域的土地利用状况。其中许多机构使用的土地利用类型按多个层级排列。本文中，我们考察了一种适用于此类排列的、基于层次化设计的卷积神经网络（CNN）框架的效率。我们使用 NWPU-RESISC45 数据集进行实验，并将该数据集排列为两级嵌套层次结构。所设计层次中的每个节点均使用 DenseNet-121 架构训练。我们提供详细的实证分析，以比较该层次化方案与其非层次化对应方案的性能，以及各独立模型的性能。我们还从统计上评估了层次结构的性能，以验证所呈现的实证结果。实验结果表明，尽管层次化方案中不同子类的独立分类器表现相当好，但级联结构中分类误差的累积使其分类性能未能超过非层次化深度模型。
引用
@article{arxiv.2103.15463,
title = {A Hierarchical Approach to Remote Sensing Scene Classification},
author = {Ozlem Sen and Hacer Yalim Keles},
journal= {arXiv preprint arXiv:2103.15463},
year = {2022}
}
备注
This paper is the preprint of the accepted manuscript in PFG - Journal of Photogrammetry, Remote Sensing and Geoinformation Science