基于轻量化卷积神经网络的高分辨率遥感图像地物分类研究  

作　　者：黄敏 李豪 张永乐 堵世轩 陈彦羲 肖星竹 

机构地区：[1]四川农业大学资源学院,四川成都611130

出　　处：《信息记录材料》2023年第4期243-248,共6页Information Recording Materials

基　　金：省级大学生创新创业训练计划项目(S202210626069)。

摘　　要：近年来深度学习技术得到快速发展,其逐渐被应用于高分辨率遥感图像的地物分类中。深度学习方法通过自动学习遥感图像中的高层次特征进行地物信息提取,较传统方法能取得更好的分类效果。Transformer架构已逐渐成为遥感图像的信息提取领域主要的深度学习模型,具有对图像的分类精度高的优点,但其模型往往结构复杂、计算量大、推理速度慢,导致应用场景受限。本文提出了一个轻量化卷积神经网络模型方法(ConvNeXt-Tiny+Multilayer Perceptron,ConvN-T+MLP)用于遥感图像地物分类,旨在保持或提高模型分类精度的同时降低模型复杂度。实验结果表明,本文提出的Conv N-T+MLP模型在具备较低计算量和参数量的同时,提高了遥感图像的地物分类精度,体现出模型的轻量性、高效性。

关 键 词：高分辨率遥感图像 地物分类 轻量化卷积神经网络 深度学习 

分 类 号：TP75[自动化与计算机技术—检测技术与自动化装置]