基于深度迁移学习的城市高分遥感影像分类

摘要

cqvip:结合我国城市化进程不断加快带来的问题,对城市人口密集建筑进行深入分类研究。通过深度迁移学习利用卷积神经网络(CNN)构建Alex Net网络、VGG-19网络、Res Net网络对城市进行分类研究。首先,将制作好的样本数据集与本文实验所选区域影像结合,形成该研究区域新的样本数据集,其次,对数据集进行增广处理。实验结果表明:1)CNN在城市多分类识别应用中具有可行性且分类精度较高,避免了传统分类方法的繁杂;2)3种结构模型中,其中VGG-19效果最好,Res Net网络次之,但三者分类都取得了比较好的效果。