轻量化卷积神经网络遥感场景分类技术研究
随着遥感成像技术的快速发展，获取的遥感数据成几何倍数增长，目前面临的问题是获取的海量数据无法有效地下传，形成了巨大的数据资源浪费.因此，急需构建嵌入式实时处理系统有效地处理海量遥感数据，并提取有用的数据进行下传.其中，轻量化智能处理算法是嵌入式实时处理系统的核心，只有构建高精度的轻量化智能处理算法才能满足嵌入式算法映射时的体积、重量、功耗约束.针对这一问题，提出了通过融合多尺度特征优化PCANet 结构的轻量化算法，并在UC Merced 数据集和SIRI-WHU 数据集上进行了详细的实验，实现结果表明提出的算法可以有效的提升PCANet 网络性能，在UC Merced 数据集和SIRI-WHU 数据集上总体分类精度分别提高了4.76％和6.38％.可以应用于对实时性要求较高的场景中.
轻量化网络 场景分类 PCANet 多尺度特征融合
刘雨晴 李长庚 庄胤 陈禾 龙腾
北京理工大学信息与电子学院雷达技术研究所,北京 100081 中南大学物理与电子学院,长沙 410012
国内会议
重庆
中文
348-358
2022-04-10（万方平台首次上网日期，不代表论文的发表时间）