TY -的A2 Bruschi保罗盟——Sameen马赫易卜拉欣AU -普拉丹,Biswajeet AU -阿齐兹,奥马尔·沙特PY - 2018 DA - 2018/06/26 TI -分类非常高分辨率的航拍照片使用Spectral-Spatial卷积神经网络SP - 7195432六世- 2018 AB -分类的航拍照片纯粹依赖光谱遥感的内容是一个具有挑战性的话题。卷积神经网络(CNN)是分类开发的航拍照片等七个土地覆盖类建筑,草原,茂密的植被,严禁,贫瘠的土地,路,和阴影。数据的分类器利用光谱和空间内容最大化分类过程的准确性。CNN是从头开始训练样本与地面手动创建的真理。网络的体系结构由一个卷积32层过滤器和内核大小为3×3,池的大小2×2,批处理规范化,辍学,致密层Softmax激活。体系结构的设计及其hyperparameters选择通过灵敏度分析和验证精度。结果表明,该模型可以有效的分类航拍照片。整体的最佳模型的准确性和Kappa系数分别为0.973和0.967,分别。此外,辍学的敏感性分析表明,使用和批处理标准化技术在CNN至关重要,提高模型的泛化性能。上面没有技术的CNN模型实现了更糟糕的性能,与整体精度和卡巴0.932和0.922,分别。 This research shows that CNN-based models are robust for land cover classification using aerial photographs. However, the architecture and hyperparameters of these models should be carefully selected and optimized. SN - 1687-725X UR - https://doi.org/10.1155/2018/7195432 DO - 10.1155/2018/7195432 JF - Journal of Sensors PB - Hindawi KW - ER -