人妻系列无码专区在线视频_久久精品午夜_中文字幕5566看片资源_欧美日韩国产a黄片_你懂的日韩在线观看_亚洲热播在线影院全部免费观看_放荡的女老板BD_美女胸又黄又禁视频app_日本v二区高清更新二区_免费黄片视频

當(dāng)前位置: 首頁 > 新聞資訊 > 行業(yè)資訊

深度遷移學(xué)習(xí)與高光譜遙感圖像不期而遇后?

發(fā)布日期:2019-05-29 00:00 瀏覽量:10282

 在過去40年不到的時(shí)間里,遙感在理論、技術(shù)和應(yīng)用上都得到了飛速的進(jìn)步,其高光譜遙感的出現(xiàn)和發(fā)展是遙感技術(shù)的一場革命。

 

相比傳統(tǒng)的多光譜技術(shù),使本來在寬波段遙感中不可探測的物質(zhì),在高光譜遙感中能被探測。高光譜傳感器在數(shù)百個(gè)窄波連續(xù)光譜帶中同時(shí)采集圖像,具有更精細(xì)的光譜分辨率(0.01 μm)。獲得的三維圖像數(shù)據(jù)通常包含大量可用于計(jì)算機(jī)處理的信息,其第三維的光譜波段信息對于空間域和光譜域內(nèi)的土地覆蓋監(jiān)測和測繪提供了極大的幫助。

 

在處理高光譜圖像分類問題上,樣本的特征往往是決定分類結(jié)果的關(guān)鍵。然而新的問題出現(xiàn)了,針對高光譜圖像分類中,樣本空間特征利用不足。通過一些學(xué)者研究得出啟發(fā),將深層殘差網(wǎng)絡(luò)作為特征提取器運(yùn)用到高光譜圖像分類中,利用深層殘差網(wǎng)絡(luò)更深的網(wǎng)絡(luò)結(jié)構(gòu),挖掘樣本鄰域空間中的深層特征,實(shí)驗(yàn)證明此特征具有更好的可分性。

 

同時(shí),針對深層卷積網(wǎng)絡(luò)有監(jiān)督訓(xùn)練的過程中,由于有標(biāo)簽樣本不足導(dǎo)致的過擬合現(xiàn)象,提出基于深度遷移學(xué)習(xí)方法的訓(xùn)練策略,通過遷移網(wǎng)絡(luò)在另一相關(guān)數(shù)據(jù)集中訓(xùn)練得到的網(wǎng)絡(luò)淺層卷積核參數(shù),再使用目標(biāo)數(shù)據(jù)集對深層卷積核參數(shù)進(jìn)行微調(diào),提高了殘差網(wǎng)絡(luò)在少量有標(biāo)簽樣本情況下的分類效果。

 

基于深層殘差網(wǎng)絡(luò)的高光譜圖像分類

數(shù)據(jù)預(yù)處理

與以往所使用的四鄰域、八鄰域方法不同,為了充分利用樣本鄰域內(nèi)的空間信息,本文選擇對更大的鄰域空間進(jìn)行特征提取。首先使用主成分分析算法[對整個(gè)高光譜圖像進(jìn)行數(shù)據(jù)降維,以達(dá)到去除波段圖像之間相關(guān)性的目的。

 

提取深層特征

在使用深層卷積網(wǎng)絡(luò)處理分類任務(wù)的方法中,其選用的網(wǎng)絡(luò)結(jié)構(gòu)對分類效果影響很大,對于不同的網(wǎng)絡(luò)結(jié)構(gòu),其分類效果也盡然不同。深層殘差網(wǎng)絡(luò)在普通圖像分類任務(wù)中,已經(jīng)取得了極大的成功。

 

為了提取更深層此的空間特征,選用 Resnet-50 深層殘差網(wǎng)絡(luò)模型,對于 Resnet-50 網(wǎng)絡(luò)結(jié)構(gòu),深層特征是一個(gè)2 048維的向量。最后,基于樣本的深層特征,訓(xùn)練一個(gè)支持向量機(jī)(SVM),以驗(yàn)證卷積特征相對于光譜特征,Gabor特征具有更好的可分性。

 

網(wǎng)絡(luò)頂層卷積層提取的深層特征對于目標(biāo)數(shù)據(jù)集是特定的,為保證網(wǎng)絡(luò)模型在目標(biāo)數(shù)據(jù)集中的分類精度,網(wǎng)絡(luò)深層卷積核參數(shù)則在目標(biāo)數(shù)據(jù)集中進(jìn)行微調(diào)。

將較深層的網(wǎng)絡(luò)參數(shù)及最后的輸出層參數(shù)進(jìn)行隨機(jī)初始化,通過少量目標(biāo)數(shù)據(jù)集有標(biāo)簽數(shù)據(jù)對這些參數(shù)進(jìn)行繼續(xù)訓(xùn)練。整個(gè)過程可看作網(wǎng)絡(luò)將在源數(shù)據(jù)集中學(xué)習(xí)到的先驗(yàn)知識遷移到目標(biāo)數(shù)據(jù)集中,一定程度地避免了過擬合現(xiàn)象,同時(shí)也保證了對目標(biāo)數(shù)據(jù)特有特征的學(xué)習(xí)。

 

有學(xué)者王立偉等人通過實(shí)驗(yàn)使用兩個(gè)真實(shí)高光譜圖像數(shù)據(jù)集對提出的方法進(jìn)行驗(yàn)證,對比不同鄰域大小對分類效果的影響,以及無監(jiān)督提取的深層特征對分類的影響,遷移不同的網(wǎng)絡(luò)參數(shù)對分類的影響,證明挖掘高光譜圖像樣本鄰域空間的深層特征,具有更強(qiáng)的判別性,并能與原光譜特征產(chǎn)生很好的互補(bǔ)性。充分說明在普通圖像數(shù)據(jù)集上充分訓(xùn)練的深度卷積網(wǎng)絡(luò)有助于高光譜分類任務(wù)。

 

提出基于模型的遷移學(xué)習(xí)策略,結(jié)合網(wǎng)絡(luò)在一個(gè)源數(shù)據(jù)集中預(yù)訓(xùn)練的底層卷積核參數(shù),再通過目標(biāo)數(shù)據(jù)集微調(diào)網(wǎng)絡(luò)高層卷積核參數(shù),使模型在使用少量有標(biāo)簽樣本的情況下取得了更好的分類效果。

 

但是新的問題還需要我們?nèi)ジ倪M(jìn),比如在深度殘差網(wǎng)路中存在的多種網(wǎng)絡(luò)結(jié)構(gòu)配置還有待比對。遷移學(xué)習(xí)中,如何解決在不同數(shù)據(jù)集中同類別樣本存在的特征差異性問題也有待探索。


版權(quán)聲明:文章來源于網(wǎng)絡(luò),登載此文出于傳遞更多信息之目的,版權(quán)歸原作者及刊載媒體所有,如本文中圖片或文字侵犯您的權(quán)益,請聯(lián)系我們。 


猜你喜歡:

遙感技術(shù)應(yīng)用環(huán)保,監(jiān)測黑臭水體水環(huán)境污染

精準(zhǔn)農(nóng)業(yè)用多光譜還是高光譜遙感技術(shù)


飛燕微信公眾號.jpg

猜你喜歡

相關(guān)設(shè)備
推薦服務(wù)
相關(guān)案例
新聞資訊

聯(lián)系方式

電話:025-83216189

郵箱:frank.zhao@feiyantech.com

地址:江蘇省南京市玄武區(qū)紅山街道領(lǐng)智路56
號星河World產(chǎn)業(yè)園3號樓北8樓

微信公眾號

總經(jīng)理微信

025-83216189