基于Dual-ResNet小样本学习的遥感影像场景精确分类方法

摘要

本发明公开了一种基于Dual‑ResNet小样本学习的遥感影像场景精确分类方法，首先，对同时输入的两幅遥感场景图像X1和X2，采用ResNet‑18对其进行特征提取分别得到特征Gw(X1)和Gw(X2)，两个ResNet‑18在训练过程中共享权重。其次，计算两个ResNet‑18网络提取特征之间的距离，然后，通过将该组特征之间的距离与预设定的阈值相比较得到预测的类别标签，最后输出预测的类别标签。本发明利用Dual‑ResNet同时对输入的两幅遥感图像进行训练，分别学习得到的两幅图像之间的特征距离，与普通的深度学习相比，这种方法能够在学习图像特征的同时减小类内距离并增大类间距离，改进了深度学习对数据量大小的依赖性，该发明对于小样本数据量的遥感图像场景分类具有很好的效果。