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

郑丹 ¹宋思楠 ¹贺强¹

扫码查看

作者信息

1. 晋中信息学院
折叠

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.

关键词

深度学习/深度可分离卷积网络/遥感图像分类

引用本文复制引用

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

段落导航