科研之友
微信
新浪微博
Facebook
分享链接
摘要
遥感影像的场景信息在影像解译和各领域的实际生产生活中具有重要的应用价值,针对遥感影像类内差异性大,类间差异性小的特点,本文在中心损失函数的基础上进一步研究,提出了一种新的标签聚类损失函数,首先使用类标签中心初始化方法对类别中心进行参数初始化,其次使用正弦衰减学习率使模型在预热阶段保持类别中心的稳定性,然后使用欧氏距离与余弦距离来进行类内特征的聚集以及类间中心的远离。并且使用VGG16和ResNet50两个网络模型在NWPU-RESISC45数据集上进行验证,准确率分别提高了2.3%和5.7%。通过试验表明,本文提出的方法能够有效的实现特征的聚集与类别中心的远离,提升网络模型的准确率,在遥感影像分类任务中具有一定的发展前景。
- 单位
