一种神经网络架构搜索遥感图像分类方法

摘要

针对传统深度卷积神经网络遥感图像分类方法需要不断进行试错,花费相关专家大量时间和计算资源的问题,提出了一种基于神经网络架构搜索的遥感图像分类方法.首先搜索最优单元(cell),再以预定义的方式堆叠该最优单元得到目标网络.其中该方法将离散的网络架构表达连续化,从而可以使用梯度下降的方法在离散的搜索空间内进行搜索,实现其高效性.为了提高其精确性,该方法还对目标网络在训练集上进行重新训练.实验结果表明,在实验测试集上测试用时4 h训练所得模型分类准确率达到了88.57％,说明了该方法的高效性以及高精确性.