学习低维卷积神经网络用于高分辨率遥感图像检索
计算机视觉与模式识别
2017-05-22 v2
摘要
学习用于图像检索的强大特征表示一直是遥感领域的一项挑战性任务。传统方法侧重于提取低层手工特征，这不仅耗时，而且由于遥感图像内容的复杂性，往往难以取得令人满意的性能。在本文中，我们研究了如何基于卷积神经网络提取深层特征表示，以用于高分辨率遥感图像检索。为此，我们提出了两种有效的方案来生成强大的特征表示。在第一种方案中，分别从预训练卷积神经网络模型的全连接层和卷积层提取深层特征；在第二种方案中，我们提出了一种基于传统卷积层和一个三层感知器的新型卷积神经网络架构。然后，该新型卷积神经网络模型在一个大型遥感数据集上进行训练，以学习低维特征。这两种方案在多个公开且具有挑战性的数据集上进行了评估，结果表明所提出的方案，特别是新型卷积神经网络，能够达到最先进的性能。
引用
@article{arxiv.1610.03023,
title = {Learning Low Dimensional Convolutional Neural Networks for High-Resolution Remote Sensing Image Retrieval},
author = {Weixun Zhou and Shawn Newsam and Congmin Li and Zhenfeng Shao},
journal= {arXiv preprint arXiv:1610.03023},
year = {2017}
}