本文主要研究内容
作者葛芸,马琳,江顺亮,叶发茂（2019）在《基于高层特征图组合及池化的高分辨率遥感图像检索》一文中研究指出：高分辨率遥感图像内容复杂,提取特征来准确地表达图像内容是提高检索性能的关键。卷积神经网络(CNN)迁移学习能力强,其高层特征能够有效迁移到高分辨率遥感图像中。为了充分利用高层特征的优点,该文提出一种基于高层特征图组合及池化的方法来融合不同CNN中的高层特征。首先将高层特征作为特殊的卷积层特征,进而在不同输入尺寸下保留高层输出的特征图;然后将不同高层输出的特征图组合成一个更大的特征图,以综合不同CNN学习到的特征;接着采用最大池化的方法对组合特征图进行压缩,提取特征图中的显著特征;最后,采用主成分分析(PCA)来降低显著特征的冗余度。实验结果表明,与现有检索方法相比,该方法提取的特征在检索效率和准确率上都有优势。
Abstract
gao fen bian lv yao gan tu xiang nei rong fu za ,di qu te zheng lai zhun que de biao da tu xiang nei rong shi di gao jian suo xing neng de guan jian 。juan ji shen jing wang lao (CNN)qian yi xue xi neng li jiang ,ji gao ceng te zheng neng gou you xiao qian yi dao gao fen bian lv yao gan tu xiang zhong 。wei le chong fen li yong gao ceng te zheng de you dian ,gai wen di chu yi chong ji yu gao ceng te zheng tu zu ge ji chi hua de fang fa lai rong ge bu tong CNNzhong de gao ceng te zheng 。shou xian jiang gao ceng te zheng zuo wei te shu de juan ji ceng te zheng ,jin er zai bu tong shu ru che cun xia bao liu gao ceng shu chu de te zheng tu ;ran hou jiang bu tong gao ceng shu chu de te zheng tu zu ge cheng yi ge geng da de te zheng tu ,yi zeng ge bu tong CNNxue xi dao de te zheng ;jie zhao cai yong zui da chi hua de fang fa dui zu ge te zheng tu jin hang ya su ,di qu te zheng tu zhong de xian zhe te zheng ;zui hou ,cai yong zhu cheng fen fen xi (PCA)lai jiang di xian zhe te zheng de rong yu du 。shi yan jie guo biao ming ,yu xian you jian suo fang fa xiang bi ,gai fang fa di qu de te zheng zai jian suo xiao lv he zhun que lv shang dou you you shi 。
论文参考文献
论文详细介绍
论文作者分别是来自电子与信息学报的葛芸,马琳,江顺亮,叶发茂，发表于刊物电子与信息学报2019年10期论文，是一篇关于遥感图像检索论文,迁移学习论文,高层特征图论文,组合论文,池化论文,电子与信息学报2019年10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，资料来自电子与信息学报2019年10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：遥感图像检索论文; 迁移学习论文; 高层特征图论文; 组合论文; 池化论文; 电子与信息学报2019年10期论文;