- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
遥感图像的半监督场景分类：一种基于卷积神经网络与集成学习的方法
摘要： 遥感图像场景分类发展的主要障碍是标注样本稀缺。为缓解这一问题，研究者致力于半监督分类方法，该方法同时利用标注和未标注样本训练分类器。本文提出一种新型半监督方法：首先采用高效残差卷积神经网络（ResNet）提取初始图像特征；进而通过集成学习（EL）策略挖掘所有可用数据的内在信息，构建具有判别性的图像表征；最后进行监督学习实现场景分类。为验证所提方法的有效性，我们将其与多种前沿特征表征及半监督分类方法进行对比实验。结果表明，结合ResNet特征提取与集成学习策略的方法能获得更有效的图像表征，并取得更优的分类效果。
关键词： 遥感（RS）图像、半监督分类、集成学习（EL）、场景分类、卷积神经网络（CNNs）
更新于2025-09-23 15:23:52
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度模型的航空影像场景分类最新进展与机遇
摘要： 场景分类是遥感图像解译的基础任务，因其广泛应用于多个领域而成为遥感学界的研究热点。过去数年间，研究者为开发高效的遥感图像场景分类方法付出了巨大努力，相关技术从传统的视觉词袋模型逐步演进至新一代深度卷积神经网络（CNN）?；谏疃菴NN的方法在性能上取得了显著突破，其表现大幅超越了依赖人工设计特征的早期方法。然而，由于现有公开场景数据集存在训练样本规模小、多样性低等明显缺陷，深度CNN方法的性能提升已逐渐趋于平缓。为此，为推动新方法的发展并促进场景分类任务更进一步，我们深入探讨了该任务现存的问题，并据此提出了三个开放性研究方向。我们认为这些潜在方向将对领域研究者具有重要指导意义。
关键词： 场景分类、深度模型、领域自适应、数据集、场景描述
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于协方差矩阵的场景分类特征融合
摘要： 本文提出了一种基于协方差矩阵的特征融合（CMFF）框架，用于融合Gabor特征和颜色特征这两种低层视觉特征以实现场景分类。该方法通常包含以下三个步骤：首先从原始图像中提取Gabor特征和颜色特征并进行堆叠；随后通过提取协方差矩阵来融合这两种低层视觉特征，其中协方差矩阵的非对角线元素表示两个不同特征维度间的相关性；最后采用核线性判别分析算法处理所得协方差矩阵，并结合最近邻分类器进行标签分配。该框架在公开的21类UC Merced土地覆盖数据集上进行了测试，并与面向中层视觉特征的方法及高层特征方法进行了对比。实验结果表明，所提出的CMFF框架不仅能提升低层视觉特征（Gabor特征和颜色特征）的分类性能，还能超越传统的中层视觉特征方法。
关键词： 特征表示、场景分类、特征融合
更新于2025-09-23 15:22:29
-
一种基于属性的高层图像表示方法用于场景分类
摘要： 场景分类因其广泛应用于目标检测、图像检索等诸多实际场景而日益受到关注。传统方法通常采用人工设计的低层图像特征来描述场景图像，但这些方法往往难以有效捕捉视觉概念的语义特征，尤其在处理复杂场景时表现欠佳。本文提出一种创新的高层图像表征方法，利用图像属性作为场景分类的特征。具体而言，我们首先通过深度卷积神经网络（CNN）提取每幅图像的属性——该网络通过最小化逐元素逻辑损失函数训练为多标签分类器。这种属性生成过程能有效缩小低层特征表征与高层场景语义之间的"语义鸿沟"。基于这些属性，我们进一步构建了能挖掘场景类别语义化描述的系统。在四个大规模场景分类数据集上的大量实验表明，本算法显著优于当前其他先进方法。
关键词： 高层图像表示、场景分类、属性表示、卷积神经网络
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度神经网络的遥感场景多任务分类
摘要： 遥感（RS）图像场景分类问题近年来备受关注。现有文献中提出了许多以此为目的的数据集，每个都宣称自己是基准数据集。本文为遥感领域提出了一种不同方法：我们不再致力于构建规模越来越大的场景数据集，而是主张建立能从所有可用数据集中学习的机器学习框架。我们将此构建为一个多任务学习问题——每个数据集代表一个任务，进而提出可实现多任务学习的深度学习解决方案。通过在UC Merced、KSA和AID三个主流场景数据集上测试该多任务网络，初步结果表明该方案在任务间信息共享及提升分类准确率方面具有良好潜力。
关键词： 深度学习、场景分类、多任务分类、卷积神经网络
更新于2025-09-23 15:21:21
-
响应时间低于25皮秒的超快紫外AlGaN金属-半导体-金属光电探测器
摘要： 由于类内差异大而类间距离小，土地利用（LU）场景分类是遥感（RS）图像处理领域最具挑战性的任务之一。针对这一难题，我们提出了一种新颖的混合架构——深度滤波器组，通过结合多列堆叠降噪稀疏自编码器（SDSAE）和费舍尔向量（FV），以分层方式自动学习具有代表性和判别性的LU场景分类特征。SDSAE核描述局部图像块，而FV池化层构建鲁棒的RS图像全局特征。与以往手工设计特征不同，我们采用机器学习机制优化所提出的特征提取器，使其能从RS数据中学习更适配的内部特征，从而提升最终性能。相比现有最优方法，本方案取得了更优表现，在UC Merced和RSSCN7数据集上分别获得92.7%和90.4%的平均分类准确率。
关键词： 费舍尔向量（FV）、土地利用（LU）场景分类、深度滤波器组、堆叠去噪稀疏自编码器（SDSAE）
更新于2025-09-23 15:21:01
-
[2018年IEEE第九届信息技术、电子与移动通信年会(IEMCON) - 加拿大不列颠哥伦比亚省温哥华(2018.11.1-2018.11.3)] 2018年IEEE第九届信息技术、电子与移动通信年会(IEMCON) - 面向视觉场景分类的嵌入式系统设计
摘要： 由于低成本、紧凑型视觉传感设备的普及，计算机视觉与机器人学界对视觉场景分类的兴趣日益增长。本文提出了一种面向视觉场景分类嵌入式系统设计的框架。在该框架中，我们采用局部与全局描述符的数据融合作为场景分类的特征向量，通过整合局部五元模式（LQP）、视觉词袋模型（BoW）和方向梯度直方图（HOG）构建特征向量，并使用多类支持向量机（SVM）进行分类。实验在公开的MIT室内场景分类数据库上进行，与其他方法的对比表明，本方法在总体准确率方面具有高效性。
关键词： 局部五元模式、场景分类、视觉词袋、支持向量机、梯度直方图
更新于2025-09-23 06:51:48
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于CNN与集成学习的遥感图像半监督场景分类
摘要： 遥感（RS）图像在实际应用中具有大尺度特性但标注样本数量有限，这一特殊问题一直阻碍着遥感图像分类技术的发展。本文提出了一种新颖的半监督框架：首先采用高容量卷积神经网络（CNN）提取初步图像特征，继而通过集成学习策略挖掘现有数据的内在信息来建立具有判别性的图像表征，最后执行常规监督学习获取分类结果。为验证方法有效性，我们将其与主流特征表征和半监督方法进行对比实验。结果表明，利用CNN特征和集成学习策略，本框架能获得更有效的图像表征，在半监督分类任务中相比其他范式取得了更优效果。
关键词： 卷积神经网络、集成学习、遥感影像、半监督分类、场景分类
更新于2025-09-11 14:15:04
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于场景分类卷积神经网络模型的增强型交互式遥感图像检索
摘要： 本文针对高空间分辨率遥感影像检索中的语义鸿沟问题展开研究。我们提出了一种有效的语义图像表征方法，提升了机器对人类感知的理解能力。通过采用遥感场景分类卷积神经网络（CNN）模型来检测语义概念，计算相似距离以检索与给定查询图像最相似的影像。为提升检索性能，进一步提出了相关性反馈机制，确保最终结果符合用户需求。实验表明，本方案相比现有先进方法展现出良好效果，显著提高了检索质量。
关键词： 场景分类、语义图像检索、相关性反馈、遥感、卷积神经网络
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于注意力网络的遥感场景分类
摘要： 高分辨率遥感影像的场景分类因其广泛应用而日益重要。然而，以往研究主要基于手工设计特征，这些特征缺乏足够的适应性和表达能力。本文受人类视觉系统注意机制启发，提出一种新型基于注意力的网络（AttNet）用于场景分类。该网络能选择性聚焦图像关键区域，从而摒弃冗余信息。本质上，AttNet提供了一种重新调整监督信号的方法，是遥感场景分类中视觉注意力机制的首批成功尝试之一。我们在UC Merced土地利用数据集上评估该方法，并与若干前沿技术对比。实验结果表明，所提方法在收敛速度和分类精度上均有显著提升，同时也验证了视觉注意力机制对此任务的有效性。
关键词： 卷积神经网络、场景分类、深度学习、视觉注意力、长短期记忆、遥感
更新于2025-09-10 09:29:36