Hydra：一种用于地理空间土地分类的卷积神经网络集成
计算机视觉与模式识别
2019-10-02 v2
摘要
本文中我们描述 Hydra，一种用于地理空间土地分类的卷积神经网络（CNN）集成。Hydra 背后的思想是创建一个粗略优化但提供良好起点以进一步优化的初始 CNN，它将作为 Hydra 的躯干。然后，所获得的权重使用不同的增强技术、裁剪风格和类别权重进行多次微调，以形成代表 Hydra 头部的 CNN 集成。通过这样做，我们促使收敛到不同的端点，这是集成所期望的特性。借助该框架，我们能够在保持集成分类性能的同时减少训练时间。我们使用两种最先进的 CNN 架构 ResNet 和 DenseNet 为实验创建集成。我们已在两个数据集 FMOW 和 NWPU-RESISC45 上展示了 Hydra 框架的应用，对前者取得了与最先进水平相当的结果，对后者取得了迄今为止报道的最佳性能。代码与 CNN 模型可在 https://github.com/maups/hydra-fmow 获取。
引用
@article{arxiv.1802.03518,
title = {Hydra: an Ensemble of Convolutional Neural Networks for Geospatial Land Classification},
author = {Rodrigo Minetto and Mauricio Pamplona Segundo and Sudeep Sarkar},
journal= {arXiv preprint arXiv:1802.03518},
year = {2019}
}
备注
12 pages, 14 figures, 5 tables