基于迁移学习和ResNet50的遥感图像土地覆盖分类

摘要

遥感和人工智能的飞速发展为基于图像的土地覆盖自动分类提供了实现途径，本文通过修改深度残差网络（ResNet50）的输出层，并利用迁移学习将网络在ImageNet数据库上的预训练参数模型作为土地覆盖分类网络的初始参数模型，通过在遥感图像数据库上继续训练实现对工业区、森林、停车场等7种土地覆盖类型的分类。分类准确率在RSSCN7和NWPU-RESISC45数据库分别达到92.32%和99.29%。结果表明，基于迁移学习的ResNet50深度学习算法能够实现遥感图像的快速、有效、精确的土地覆盖分类识别。