基于深度迁移学习的多标签遥感影像地物分类

作     者：张博涵 徐晓敏 ZHANG Bohan;XU Xiaomin

作者机构：北京信息科技大学信息管理学院北京100192 

出 版 物：《北京信息科技大学学报（自然科学版）》 (Journal of Beijing Information Science and Technology University)

年 卷 期：2023年第38卷第6期

页      码：95-100页

摘      要：为有效监测人类活动对自然环境的破坏,构建了基于深度迁移学习的多标签遥感影像地物分类系统。基于深度迁移学习方法,训练了5种不同深度的ResNet模型,通过分析其损失曲线、测试精确率与F1值,确定最优模型,并根据该模型设计了方便用户使用的交互界面系统。研究结果表明,深度迁移学习调优后的ResNet34模型分类性能优于其他网络,分类指标精确率可达96.02%,F1值达到90.38%。该结果可为政府相关管理部门了解生态变化状况、采取管理措施提供决策支持,对生态环境可持续发展具有积极意义。

主 题 词：地物分类 深度残差网络 深度迁移学习 卷积神经网络 多标签 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16508/j.cnki.11-5866/n.2023.06.013

馆 藏 号：203125304...