科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度卷积神经网络能充分利用特征间的内在联系,提高高光谱影像的可分性,近年来受到了广泛关注。但是,训练深度网络模型对大量标记样本的需求限制了此类方法的应用。将迁移学习思想引入遥感影像分类以减少对标记样本数量的需求。具体研究目标图像中每类只有一个标记样本的情况。通过对目标图像分割得到的同质区扩增目标域的训练样本数量,在此基础上运用深度孪生卷积神经网络减少源域图像与目标域图像的分布差异,实现对目标高光谱图像的最终分类。实验结果表明:同质区和孪生卷积网络的结合可提高半监督迁移学习分类的效果,较好地解决跨区域的高光谱图像分类问题。
- 单位
