Remote Sensing Image Scene Classification Based on Convolutional Neural Networks

Abstract

Klasifikacija slik daljinskega zaznavanja je specifična uporaba tehnologije digitalnih signalov na področju daljinskega zaznavanja, ki rešuje izziv učinkovite obdelave in klasifikacije slik daljinskega zaznavanja. Ta študija predlaga metodo klasifikacije slik z daljinskim zaznavanjem, ki temelji na nevronski mreži (CNN), da bi premagali omejitev nezadostnih posameznih značilnosti. Metoda vključuje razvoj večstranskih in večkombinacijskih strategij za učinkovito kombiniranje spektralnih značilnosti, prostorskih vzorcev in več slik daljinskega zaznavanja v vektorje ali matrike. Nato urimo model CNN glede na dolžino podatkov. Eksperimentalni rezultati kažejo, da se čas usposabljanja metode CNN (SST) brez PCA znatno zmanjša za približno 80 % po izvedbi transformacije PCA. To zmanjšanje ne le pospeši proces usposabljanja, ampak tudi izboljša splošno natančnost za približno 3,49. Omrežni modeli v slogu CNN pomagajo izboljšati učinkovitost. Večji modeli usposabljanja povečajo število modelov, ki jih je treba poučevati, upočasnijo proces usposabljanja in podaljšajo čas učenja. Kombinacija večpozicijskih in večkombinacijskih strategij pospeši sledenje in izboljša natančnost klasifikacije slik daljinskega zaznavanja. Primerjalna analiza kaže, da CNN dosega vrhunsko učinkovitost razvrščanja v primerjavi z drugimi metodami razvrščanja, kar dokazuje njegovo sposobnost izboljšanja razvrščanja in izboljšanja natančnosti. Večji modeli usposabljanja povečajo število modelov, ki jih je treba poučevati, upočasnijo proces usposabljanja in podaljšajo čas učenja. Kombinacija večpozicijskih in večkombinacijskih strategij pospeši sledenje in izboljša natančnost klasifikacije slik daljinskega zaznavanja. Primerjalna analiza kaže, da CNN dosega vrhunsko učinkovitost razvrščanja v primerjavi z drugimi metodami razvrščanja, kar dokazuje njegovo sposobnost izboljšanja razvrščanja in izboljšanja natančnosti. Večji modeli usposabljanja povečajo število modelov, ki jih je treba poučevati, upočasnijo proces usposabljanja in podaljšajo čas učenja. Kombinacija večpozicijskih in večkombinacijskih strategij pospeši sledenje in izboljša natančnost klasifikacije slik daljinskega zaznavanja. Primerjalna analiza kaže, da CNN dosega vrhunsko učinkovitost razvrščanja v primerjavi z drugimi metodami razvrščanja, kar dokazuje njegovo sposobnost izboljšanja razvrščanja in izboljšanja natančnosti.