深度学习中深度可分离卷积网络在遥感图像分类中的优化  

作　　者：郑丹 宋思楠 贺强 

机构地区：[1]晋中信息学院

出　　处：《信息系统工程》2024年第10期132-135,共4页

摘　　要：为了优化深度可分离卷积网络在遥感图像分类中的应用,解决传统卷积神经网络在处理高分辨率遥感图像时的计算量大、参数冗余等问题。采用模块化与层次化设计方法,应用数据增强技术与特征工程,通过轻量化模型设计、参数剪枝与量化技术,并设置实验环境、选取典型数据集,进行实验设计与评估,比较不同模型的分类准确率。结果显示,优化后的深度可分离卷积网络在分类准确率、计算量、训练时间和能耗方面表现优异。得出结论,优化模型在遥感图像分类中具备高实用价值,提升了遥感图像分类的效率和准确性。

关 键 词：深度学习 深度可分离卷积网络 遥感图像分类 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置] TP18[自动化与计算机技术—控制科学与工程]