用于遥感场景分类的自适应深度金字塔匹配
计算机视觉与模式识别
2016-11-14 v1
摘要
卷积神经网络(CNN)在遥感界受到越来越多的关注。大多数CNN仅将最后的全连接层作为特征用于遥感图像分类，丢弃了其他卷积层特征，而这些特征也可能有助于分类。本文中，我们提出一种新的自适应深度金字塔匹配(ADPM)模型，该模型利用所有卷积层的特征进行遥感图像分类。为此，从不同卷积层的最优融合权重由数据自身学习得到。在遥感场景中，感兴趣物体在不同场景表现出不同尺度，甚至单一场景可能包含不同大小的物体。为解决此问题，我们选用带有空间金字塔池化(SPP-net)的CNN作为基础深度网络，并进一步构建多尺度ADPM模型以从多尺度图像中学习互补信息。我们在两个广泛使用的遥感图像数据库上进行了实验，结果表明所提方法与其他state-of-the-art方法相比显著提升了性能。
引用
@article{arxiv.1611.03589,
title = {Adaptive Deep Pyramid Matching for Remote Sensing Scene Classification},
author = {Qingshan Liu and Renlong Hang and Huihui Song and Fuping Zhu and Javier Plaza and Antonio Plaza},
journal= {arXiv preprint arXiv:1611.03589},
year = {2016}
}