本文主要研究内容
作者李静,韩震,王文柳,崔艳荣(2019)在《基于OverFeat模型的长江口南汇潮滩植被分类》一文中研究指出:潮滩地带环境复杂多变,有些植被之间光谱特性相似,为了解决植被精细分类精度不高的问题,利用基于ImageNet预训练的卷积神经网络OverFeat模型,以高分二号(GF-2)卫星遥感影像作为实验数据,对长江口南汇潮滩不同生长状态的植被进行了深度特征提取,然后将模型训练好的深度特征输入到支持向量机(SVM)分类器中,得到植被分布信息。研究结果表明,与基于光谱特征的SVM分类方法相比,文章所用方法的分类精度更高,总体精度可达96.08%,证明了使用基于ImageNet数据集的预训练卷积神经网络对不同生长状态的植被可以实现较好的识别。
Abstract
chao tan de dai huan jing fu za duo bian ,you xie zhi bei zhi jian guang pu te xing xiang shi ,wei le jie jue zhi bei jing xi fen lei jing du bu gao de wen ti ,li yong ji yu ImageNetyu xun lian de juan ji shen jing wang lao OverFeatmo xing ,yi gao fen er hao (GF-2)wei xing yao gan ying xiang zuo wei shi yan shu ju ,dui chang jiang kou na hui chao tan bu tong sheng chang zhuang tai de zhi bei jin hang le shen du te zheng di qu ,ran hou jiang mo xing xun lian hao de shen du te zheng shu ru dao zhi chi xiang liang ji (SVM)fen lei qi zhong ,de dao zhi bei fen bu xin xi 。yan jiu jie guo biao ming ,yu ji yu guang pu te zheng de SVMfen lei fang fa xiang bi ,wen zhang suo yong fang fa de fen lei jing du geng gao ,zong ti jing du ke da 96.08%,zheng ming le shi yong ji yu ImageNetshu ju ji de yu xun lian juan ji shen jing wang lao dui bu tong sheng chang zhuang tai de zhi bei ke yi shi xian jiao hao de shi bie 。
论文参考文献
论文详细介绍
论文作者分别是来自生态科学的李静,韩震,王文柳,崔艳荣,发表于刊物生态科学2019年04期论文,是一篇关于卷积神经网络论文,特征提取论文,分类论文,生态科学2019年04期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自生态科学2019年04期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:卷积神经网络论文; 特征提取论文; 分类论文; 生态科学2019年04期论文;