文献

J-GLOBAL ID：202002259230348505   整理番号：20A2589810

Inception-V3モデルに基づく高分リモートセンシング画像シーン分類【JST・京大機械翻訳】

Remote sensing image scene classification based on Inception-V3

著者 (4件)： Cai Zhiling (福州大学数学与計算机科学学院,福州 350116) ,  Weng Qian (福州大学数学与計算机科学学院,福州 350116) ,  Ye Shaozhen (福州大学数学与計算机科学学院,福州 350116) ,  Jian Cairen (厦門大学嘉庚学院信息科学与技術学院,zhang州 363105)
資料名： Guotu Ziyuan Yaogan  (Guotu Ziyuan Yaogan)
巻： 32  号： 3  ページ： 80-89  発行年： 2020年 
JST資料番号： C2688A  ISSN： 1001-070X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 伝統的な高空間分解能リモートセンシング画像(略称「高分リモートセンシング画像」)分類方法の「同物異スペクトル」、「異物同スペクトル」現象は比較的深刻であり、深さ学習方法は高分リモートセンシング画像分類に新たなソリューションを提案した。しかし、リモートセンシング画像訓練サンプルが少ないことは、ネットワーク過適合現象の発生を招きやすい。深さ学習方式と移動学習戦略を結合して,改良Inception-V3リモートセンシング画像場面分類モデルを提案した。まず、原始Inception-V3モデルの全連結層の前にDropout層を追加し、更なるフィッティング現象の発生を避け、訓練過程において、遷移学習戦略を採用し、既存のモデル及び知識を十分に利用し、訓練効率を高める。AIDとNWPU-RESISC45の2つの大型高分リモートセンシングシーン画像に基づく実験結果は,改良Inception-V3がオリジナルのInception-V3訓練よりも速く収束し,訓練効果がより安定であることを示した。他の伝統的方法および深さ学習ネットワークと比較して,提案したモデルの分類精度は,大いに改善し,そして,本モデルの有効性を,検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  スペクトル ,  有効性
準シソーラス用語： 分類法 ,  分類精度 ,  学習方法 ,  *リモートセンシング画像 ,  *シーン分類 ,  学習戦略 ,  分類モデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： モデル ,  高 ,  リモートセンシング画像 ,  シーン分類