深度学习中深度可分离卷积网络在遥感图像分类中的优化

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：为了优化深度可分离卷积网络在遥感图像分类中的应用，解决传统卷积神经网络在处理高分辨率遥感图像时的计算量大、参数冗余等问题。采用模块化与层次化设计方法，应用数据增强技术与特征工程，通过轻量化模型设计、参数剪枝与量化技术，并设置实验环境、选取典型数据集，进行实验设计与评估，比较不同模型的分类准确率。结果显示，优化后的深度可分离卷积网络在分类准确率、计算量、训练时间和能耗方面表现优异。得出结论，优化模型在遥感图像分类中具备高实用价值，提升了遥感图像分类的效率和准确性。

作者：

郑丹、宋思楠、贺强

展开 >

作者单位：

晋中信息学院

关键词：

深度学习深度可分离卷积网络遥感图像分类

出版年：

2024

信息系统工程

天津市信息中心

信息系统工程

影响因子：0.29

ISSN：1001-2362

年,卷(期)：2024.(10)