深度学习框架中基于区域的遥感图像分类有何效用？
计算机视觉与模式识别
2016-09-23 v1
摘要
在本文中，我们研究了分割算法作为深度学习框架中遥感图像分类预处理步骤的影响。特别是，我们探讨了将图像分割为待分类区域的问题，利用预训练的深度神经网络作为基于支持向量机（SVM）分类器的特征提取器。作为预处理步骤的高效分割通过为数据添加空间相干结构来辅助学习。因此，我们比较了生成超像素的算法与更传统的遥感分割算法，并测量了分类准确率的变化。我们确定，超像素算法能够实现更好的分类准确率，因为均匀且紧凑的分割有利于训练样本更好地泛化。
引用
@article{arxiv.1609.06861,
title = {How Useful is Region-based Classification of Remote Sensing Images in a Deep Learning Framework?},
author = {Nicolas Audebert and Bertrand Le Saux and Sébastien Lefèvre},
journal= {arXiv preprint arXiv:1609.06861},
year = {2016}
}
备注
IEEE International Geosciences and Remote Sensing Symposium (IGARSS), Jul 2016, Beijing, China