改进MobileNetV2网络在遥感影像场景分类中的应用

摘要

cqvip:针对使用深层卷积神经网络进行场景分类往往需要消耗大量的时间与存储空间来训练、测试并保存模型的问题,将DenseNet的密集连接的思想应用于轻量化网络MobileNetv2中,借助特征复用来提高网络性能。同时利用一个扩张系数为1、步长为1的瓶颈与一个扩张系数为1、步长为2的瓶颈的组合压缩特征图的通道数,并将部分瓶颈的扩张系数减小以控制网络的整体规模。将改进的网络在NWPU-RESISC45遥感影像数据集上进行实验分析。结果表明,改进网络在保持分类准确率的同时缩减了网络规模,提高了计算速度,对遥感影像场景分类具有较好的实用性。