基于张量空谱卷积长短时记忆网络的遥感图像分类模型

扫码查看

原文链接

万方数据
维普

中文摘要：基于遥感图像的地物要素分类与提取是实现数字化战场建设、智能化战场感知的关键支撑技术之一.实际应用平台运算资源有限、样本匮乏导致训练不充分等制约深度神经网络的遥感图像地物分类效果.基于张量链式分解和权重共享,设计空谱卷积长短时记忆单元的两种张量扩展结构,提出轻量级张量空谱卷积长短时记忆网络用于遥感图像分类.在两个公开高光谱遥感图像数据集进行实验,该算法仅需 0.34 MB存储空间,较同类方法实现更优分类性能.

外文标题：Tensorized Spatial-spectral Convolutional Long Short-term Memory Network for Classification of Remote Sensing Images

外文摘要：Classification and extraction of geographical elements based on remote sensing images(RSIs)is one of the key technologies for digital battlefield construction and intelligent battlefield perception.Actual application platforms face the problems of limited computing resources and insufficient training under small-samples,limiting the classification performance of geographical elements in deep neural networks.With tensor-train(TT)decomposition and weight sharing,the spatial-spectral convolutional long short-term memory(ConvLSTM3D)unit is extended to two tensorized structures(TTConvLSTM3D)and a lightweight Tensorized Spatial-spectral TTConvLSTM3D Neural Network(TST3DNN)is proposed for the classification of remote sensing images.The results on two hyperspectral HSI datasets show that TST3DNN only requires 0.34 MB of storage space,achieving better classification performance than that of the similar methods.

外文关键词：

remote sensing imageslightweight networkconvolutional long short-term memorytensor decompositionfine classification

作者：

胡文帅、李伟、李恒超、张蒙蒙、陶然

展开 >

作者单位：

北京理工大学信息与电子学院,北京 100081

西南交通大学信息科学与技术学院,成都 611756

关键词：

遥感图像网络轻量化卷积长短时记忆网络张量分解精细分类

基金：

多谱信息智能处理技术全国重点实验室基金国家自然科学基金国家资助博士后研究人员计划中国博士后科学基金福建省空间信息感知与智能处理重点实验室(阳光学院)开放基金河南省通用航空技术重点实验室开放基金

项目编号：

614211322020562271418GZC202421842024M75088FKLSIPIP1016ZHKF-230211

出版年：

2024

DOI：

10.3969/j.issn.2096-0204.2024.04.0458

指挥与控制学报

CSTPCD北大核心

ISSN：

年,卷(期)：2024.10(4)