摘要:針對高分辨率光學遙感影像場景具有同類型內(nèi)部差異大、不同類型間相似度高導致部分場景識別困難的問題,本文提出了一種深度度量學習方法。首先在深度學習模型的特征輸出層上為每類預設(shè)聚類中心,其次基于歐氏距離方法設(shè)計均值中心度量損失項,最后聯(lián)合交叉熵損失項以及權(quán)重與偏置正則項構(gòu)成模型的損失函數(shù)。該方法的目標是在特征空間上使同類型特征聚集并擴大類型間的距離以提高分類準確率。試驗結(jié)果表明,本文方法有效地提升了分類準確率。在RSSCN7、UC Merced和NWPU-RESISC45數(shù)據(jù)集上,與現(xiàn)有方法相比,分類準確率分別提高了1.46%、1.09%和2.51%。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
測繪學報雜志, 月刊,本刊重視學術(shù)導向,堅持科學性、學術(shù)性、先進性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:地理空間認知、地圖學與地理信息、攝影測量學與遙感、博士論文摘要等。于1957年經(jīng)新聞總署批準的正規(guī)刊物。