深度学习googlenet模型支持下的中分辨率遥感影像自动分类

	深度学习googlenet模型支持下的中分辨率遥感影像自动分类
	陈斌 2; 王宏志 2; 徐新良 1; 王首泰 2; 张亚庆 1
刊名	测绘通报
	2019
卷号	000 期号:006 页码:29
ISSN号	0494-0911
英文摘要	提出了一种基于深度学习技术的遥感分类方法,它能有效解决中分辨率影像在分类过程中出现的像元混分问题.研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像,基于GoogleNet模型中的Inception V3网络结构,借助迁移学习方法,构建出遥感分类模型,实现了对武汉市主城区4类典型地物(不透水层、植被、水体和其他用地)的自动分类提取,并将分类结果与传统最大似然分类(ML)结果进行了对比分析.研究表明:基于深度学习方法的遥感影像总体分类精度高达88.33%,Kappa系数为0.8342,明显优于传统ML方法总体分类精度83%和Kappa系数0.7550,而且有效抑制了地物在分类过程中出现的像元混分现象.
语种	英语
内容类型	期刊论文
源URL	[http://ir.igsnrr.ac.cn/handle/311030/128627]
专题	中国科学院地理科学与资源研究所
作者单位	1.中国科学院地理科学与资源研究所 2.华中师范大学
推荐引用方式 GB/T 7714	陈斌,王宏志,徐新良,等. 深度学习googlenet模型支持下的中分辨率遥感影像自动分类[J]. 测绘通报,2019,000(006):29.
APA	陈斌,王宏志,徐新良,王首泰,&张亚庆.(2019).深度学习googlenet模型支持下的中分辨率遥感影像自动分类.测绘通报,000(006),29.
MLA	陈斌,et al."深度学习googlenet模型支持下的中分辨率遥感影像自动分类".测绘通报 000.006(2019):29.