计算机应用研究2021，Vol.38Issue(11) ：3439-3445.DOI:10.19734/j.issn.1001-3695.2021.04.0153

基于图卷积网络的多标签遥感图像分类

Multi-label remote sensing image classification based on graph convolutional network

杨敏航 陈龙 刘慧 钱育蓉
计算机应用研究2021，Vol.38Issue(11) ：3439-3445.DOI:10.19734/j.issn.1001-3695.2021.04.0153
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于图卷积网络的多标签遥感图像分类

Multi-label remote sensing image classification based on graph convolutional network

杨敏航 1陈龙 1刘慧 2钱育蓉1
扫码查看

作者信息

  • 1. 新疆维吾尔自治区信号检测与处理重点实验室,乌鲁木齐830046;新疆大学软件学院,乌鲁木齐830000;新疆大学软件工程重点实验室,乌鲁木齐830000
  • 2. 新疆维吾尔自治区信号检测与处理重点实验室,乌鲁木齐830046;新疆大学软件工程重点实验室,乌鲁木齐830000;新疆大学信息工程学院,乌鲁木齐830000
  • 折叠

摘要

由于遥感图像包含物体类别多样,单个语义类别标签无法全面地描述图像内容,而多标签图像分类任务更加具有挑战性.通过探索深度图卷积网络(GCN),解决了多标签遥感图像分类缺乏对标签语义信息相关性利用的问题,提出了一种新的基于图卷积的多标签遥感图像分类网络,它包含图像特征学习模块、基于图卷积网络的分类器学习模块和图像特征差异化模块三个部分.在公开多标签遥感数据集Planet和UCM上与相关模型进行对比,在多标签遥感图像分类任务上可以得到了较好的分类结果.该方法使用图卷积等模块将多标签图像分类方法应用到遥感领域,提高了模型分类能力,缩短了模型训练时间.

关键词

卷积神经网络/图卷积网络/多标签/遥感图像分类

引用本文复制引用

基金项目

国家自然科学基金资助项目(61966035)

智能多模态信息处理团队资助项目(XJEDU2017T002)

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量6
参考文献量3
段落导航相关论文