一种有效的深度学习权重初始化方法：应用于卫星图像分类
计算机视觉与模式识别
2024-06-04 v1 人工智能
摘要
对卫星图像的日益增长的兴趣引发了从这些海量数据源中提取有价值信息的高效机制的需求，从而提供更深入的见解。尽管深度学习在卫星图像分类方面取得了显著进展，但在文献中，关于权重初始化技术的研究结果很少。这些技术传统上涉及在大型数据集上训练之前初始化网络权重，这与微调预训练网络的权重不同。在本研究中，提出了一种新颖的权重初始化方法，用于卫星图像分类。所提出的权重初始化方法在卷积神经网络模型的前向和后向传播过程中进行了数学详细描述。使用六个真实世界数据集进行了大量实验。与现有权重初始化技术在各种知名CNN模型上的比较分析表明，所提出的权重初始化技术在分类精度上优于先前的竞争技术。所提出技术的完整代码以及获得的结果可在https://github.com/WadiiBoulila/Weight-Initialization获取。
引用
@article{arxiv.2406.00348,
title = {An Effective Weight Initialization Method for Deep Learning: Application to Satellite Image Classification},
author = {Wadii Boulila and Eman Alshanqiti and Ayyub Alzahem and Anis Koubaa and Nabil Mlaiki},
journal= {arXiv preprint arXiv:2406.00348},
year = {2024}
}