基于弱监督CNN与反馈特征及m-PCNN融合的多光谱卫星影像太阳能发电厂检测
计算机视觉与模式识别
2022-01-11 v2
摘要
大多数传统卷积神经网络(CNNs)采用自底向上(前馈)方法进行图像分类。然而，许多科学研究表明灵长类动物的视觉感知依赖于自底向上和自顶向下连接。因此，本工作中我们提出一种具有反馈结构的CNN网络，用于中分辨率卫星图像上的太阳能发电厂检测。为表达自顶向下连接的强度，我们将反馈CNN网络(FB-Net)引入用于多光谱卫星数据太阳能发电厂分类的基线CNN模型。此外，我们向FB-Net引入一种改进类激活映射(CAM)的方法，利用多通道脉冲耦合神经网络(m-PCNN)从提出的FB-Net特征中弱监督定位太阳能发电厂。对于提出的带有m-PCNN的FB-Net CAM，实验结果表明在太阳能发电厂图像分类和检测任务上均取得有前景的结果。
引用
@article{arxiv.1704.06410,
title = {Solar Power Plant Detection on Multi-Spectral Satellite Imagery using Weakly-Supervised CNN with Feedback Features and m-PCNN Fusion},
author = {Nevrez Imamoglu and Motoki Kimura and Hiroki Miyamoto and Aito Fujita and Ryosuke Nakamura},
journal= {arXiv preprint arXiv:1704.06410},
year = {2022}
}
备注
9 pages, 9 figures, 4 tables