用于遥感卫星图像分类的Kolmogorov-Arnold网络
计算机视觉与模式识别
2024-06-04 v1 人工智能
数据分析、统计与概率
摘要
在本研究中，我们首次提出将Kolmogorov-Arnold网络（KAN）与多种预训练卷积神经网络（CNN）模型相结合，用于基于EuroSAT数据集的遥感场景分类任务。我们提出的新方法名为KCN，旨在用KAN替代传统的多层感知机（MLP）以提升分类性能。我们采用了多种基于CNN的模型，包括VGG16、MobileNetV2、EfficientNet、ConvNeXt、ResNet101和Vision Transformer（ViT），并评估了它们与KAN配对时的性能。实验表明，KAN在更少的训练轮次和参数下实现了高精度。具体而言，ConvNeXt与KAN配对表现最佳，在第一轮达到94%的准确率，随后提升至96%并保持稳定。结果表明，KAN和MLP均达到了相似的准确率，KAN在后续轮次中略优。通过使用EuroSAT数据集，我们为研究KAN是否适用于遥感分类任务提供了一个稳健的测试平台。鉴于KAN是一种新颖的算法，其进一步发展和优化的空间巨大，这表明KCN为遥感领域的高效图像分析提供了一种有前景的替代方案。
引用
@article{arxiv.2406.00600,
title = {Kolmogorov-Arnold Network for Satellite Image Classification in Remote Sensing},
author = {Minjong Cheon},
journal= {arXiv preprint arXiv:2406.00600},
year = {2024}
}