在 CNN 框架下通过语义场景理解遥感图像我们学到了什么？
计算机视觉与模式识别
2017-05-22 v1 机器学习
摘要
近年来，深度卷积神经网络（DCNN）在自然图像识别领域取得了日益显著的成功并迅速发展。与自然图像相比，遥感图像的尺度更大，其所代表的场景和物体更为宏观。本研究探讨遥感场景识别与自然场景识别是否存在差异，并提出以下问题：遥感场景识别的关键因素是什么？以物体识别为中心的 DCNN 识别机制是否仍然适用于遥感场景理解的场景？我们从场景复杂度的角度进行了若干实验，以探索 DCNN 结构和尺度对遥感场景理解的影响。我们的实验表明，理解复杂场景依赖于深层网络和多尺度感知。利用可视化方法，我们定性和定量地分析了复杂遥感场景中的识别机制，并证明了多目标联合语义支持的重要性。
引用
@article{arxiv.1705.07077,
title = {What do We Learn by Semantic Scene Understanding for Remote Sensing imagery in CNN framework?},
author = {Haifeng Li and Jian Peng and Chao Tao and Jie Chen and Min Deng},
journal= {arXiv preprint arXiv:1705.07077},
year = {2017}
}