科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出使用生成对抗网络(generative adversarial networks, GAN)的半监督遥感图像场景分类模型，该模型引入了密集残差块、预训练的ResNet50 V1网络及特征融合思想、金字塔卷积和谱归一化增强判别网络的特征表示能力，以提高半监督分类性能。密集残差块的引入可以提高生成网络生成图像的质量，同时增加判别网络提取特征的判别能力；通过微调预训练的ResNet50 V1网络提取输入图像的语义特征，并与原始判别网络的特征融合进一步增强特征判别能力；金字塔卷积利用不同类型、大小和深度的滤波器来捕获图像中不同层次的细节；谱归一化能够稳定GAN的训练过程从而提高分类精度。在公开的EuroSAT和UC Merced数据集上的实验结果表明，提出的模型获得了最高的分类精度，尤其在仅有少量有标签样本的情况下取得了明显更高的精度。
-
单位南阳理工学院
