论文摘要
高分辨率遥感图像内容复杂,提取特征来准确地表达图像内容是提高检索性能的关键。卷积神经网络(CNN)迁移学习能力强,其高层特征能够有效迁移到高分辨率遥感图像中。为了充分利用高层特征的优点,该文提出一种基于高层特征图组合及池化的方法来融合不同CNN中的高层特征。首先将高层特征作为特殊的卷积层特征,进而在不同输入尺寸下保留高层输出的特征图;然后将不同高层输出的特征图组合成一个更大的特征图,以综合不同CNN学习到的特征;接着采用最大池化的方法对组合特征图进行压缩,提取特征图中的显著特征;最后,采用主成分分析(PCA)来降低显著特征的冗余度。实验结果表明,与现有检索方法相比,该方法提取的特征在检索效率和准确率上都有优势。
论文目录
文章来源
类型: 期刊论文
作者: 葛芸,马琳,江顺亮,叶发茂
关键词: 遥感图像检索,迁移学习,高层特征图,组合,池化
来源: 电子与信息学报 2019年10期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 南昌航空大学软件学院,南昌大学信息工程学院
基金: 国家自然科学基金(41801288,41261091,61662044,61663031,61762067)~~
分类号: TP751
页码: 2487-2494
总页数: 8
文件大小: 1146K
下载量: 149
相关论文文献
- [1].基于卷积特征的核相关自适应目标跟踪[J]. 中国图象图形学报 2017(09)
- [2].基于特征图融合的小尺寸人脸检测[J]. 计算机科学 2020(06)
- [3].基于改进的特征图串法识别人体行为[J]. 四川大学学报(工程科学版) 2016(06)
- [4].多层特征图堆叠网络及其目标检测方法[J]. 天津大学学报(自然科学与工程技术版) 2020(06)
- [5].特征图聚集多尺度行人检测高效算法[J]. 浙江大学学报(工学版) 2019(06)
- [6].结合神经网络与多列特征图聚合的人群计数[J]. 计算机工程与应用 2020(04)
- [7].基于三维物体特征图的动态碰撞检测方法[J]. 计算机测量与控制 2016(08)
- [8].基于深度学习利用特征图加权融合的目标检测方法[J]. 计量学报 2020(11)
- [9].非负特征图的线性染色[J]. 中国科学(A辑:数学) 2008(12)
- [10].一种多列特征图融合的深度人群计数算法[J]. 郑州大学学报(理学版) 2018(02)
- [11].不含短圈的非负特征图的边选择性[J]. 嘉兴学院学报 2012(03)
- [12].融合多特征图的野生动物视频目标检测方法[J]. 计算机工程与应用 2020(07)
- [13].无指定相交圈的非负特征图的列表点荫度[J]. 淮阴师范学院学报(自然科学版) 2016(03)
- [14].基于眼睛特征图的眼睛检测系统的设计与实现[J]. 南阳师范学院学报 2008(06)
- [15].棉花色特征图分析探讨[J]. 中国纤检 2010(17)
- [16].可变形特征图残差网络用于城市声音识别[J]. 计算机辅助设计与图形学学报 2020(11)
- [17].巧借基本图、特征图、成题解决几何问题[J]. 中学数学杂志 2012(02)
- [18].基于卷积神经网络特征图聚类的人脸表情识别[J]. 计算技术与自动化 2020(01)
- [19].基于多级特征整合的图像语义分割研究[J]. 计算机系统应用 2019(09)
- [20].颜色空间转换耦合特征图的显著性检测算法[J]. 计算机工程与设计 2019(06)
- [21].基于深度网络分级特征图的图像超分辨率重建[J]. 云南民族大学学报(自然科学版) 2019(02)
- [22].基于特征图切分的轻量级卷积神经网络[J]. 模式识别与人工智能 2019(03)
- [23].有磁复位绕组正激变换器的运行特征图[J]. 航天控制 2015(01)
- [24].基于极化特征图的定标精度应用需求分析[J]. 微波学报 2009(02)
- [25].应用深度光学应变特征图的人脸活体检测[J]. 中国图象图形学报 2020(03)
- [26].结合特征图切分的图像语义分割[J]. 中国图象图形学报 2019(03)
- [27].基于低级特征图最优融合的显著性目标检测[J]. 电子设计工程 2017(06)
- [28].基于PCA降维的多特征行人再识别[J]. 信息通信 2019(04)
- [29].基于多特征图金字塔融合深度网络的遥感图像语义分割[J]. 电子与信息学报 2019(10)
- [30].基于关键点注意力和通道注意力的服装分类算法[J]. 吉林大学学报(工学版) 2020(05)