面向小样本遥感解译的空间置弃FCN模型

作     者：陈岩 奚砚涛 万家华 王晓峰 徐立祥 孟禹弛 CHEN Yan;XI Yantao;WAN Jiahua;WANG Xiaofeng;XU Lixiang;MENG Yuchi

作者机构：合肥学院合肥230601 中德应用优化研究所合肥230601 中国矿业大学徐州221006 安徽新华学院合肥230031 德国多特蒙德工业大学多特蒙德44149 

基　　金：安徽省教育厅高校自然科学基金(KJ2020A0658) 合肥学院科学研究发展基金(20ZR03ZDA) 安徽省自然科学基金(1908085MF185) 中国博士后科学基金(2020M681989) 

出 版 物：《航天返回与遥感》 (Spacecraft Recovery & Remote Sensing)

年 卷 期：2021年第42卷第3期

页      码：107-116页

摘      要：针对当前缺少大型遥感数据集,复杂深度学习语义分割模型优化难等问题,文章通过改进经典全卷积网络(Fully Convolutional Network,FCN)模型,提出了一种面向小样本遥感数据集,联合批归一化和空间置弃方法的智能解译语义分割模型,为解决小样本数据集过拟合问题提供新的思路。首次将空间置弃层引入FCN模型,并设计和实验了8组具有不同模块和网络结构的模拟场景。研究结果表明,不对原始小样本数据集进行数据增强处理,通过在不同位置增加若干数量的空间置弃层可有效抑制过拟合;对比8组实验场景结果,文章提出的改进模型在抑制过拟合、提升模型精度和模型收敛速度上的综合表现最优;集成于模型框架中的空间置弃层可以有效实现自学习降维,为复杂高分遥感图像解译提供有意义参考。

主 题 词：小样本 过拟合 批归一化 空间置弃 全卷积网络 遥感解译 遥感应用 

学科分类：0810[工学-土木类] 08[工学] 081002[081002] 

核心收录：

D　O　I：10.3969/j.issn.1009-8518.2021.03.012

馆 藏 号：203103786...