摘要: 摘 要: 针对传统卷积神经网络(Convolutional Neural Network,简称CNN)的稀疏网络结构无法保留全连接网络密集计算的高效性和实验过程中激活函数的经验性选择造成结果不准确或加大计算量的问题,本文提出一种改进卷积神经网络方法对遥感图像进行分类。该方法将Inception模块和Maxout网络(后接dropout操作)与深度CNN相结合,不仅强化了卷积操作的特征提取能力,还使网络在能拟合任何激活函数的同时降低过拟合的影响。在相同的美国土地使用分类数据集(UCM-LandUse)上进行实验,所提方法的图像分类精度比基于低层特征的分类方法提高了15%以上,比基于中层特征的视觉词典等分类方法提高10%左右,比传统的卷积神经网络方法提高了约4%,由此可见,所提方法具有较高的遥感图像分类效率。
中图分类号: