基于卷积神经网络的多光谱图像多标签场景分类.PDFVIP

第26卷 第23期 电子设计工程 2018年12月 Vol.26 No.23 ElectronicDesignEngineering Dec.2018 基于卷积神经网络的多光谱图像多标签场景分类 李一松1，2，3，4 （1.中国科学院上海微系统与信息技术研究所，上海 200050；2.中国科学院微小卫星创新研究院，上海 201210；3.上海科技大学信息科学与技术学院，上海201210；4. 中国科学院大学北京 100049） 摘要：基于实现多光谱图像的多标签场景分类为目的，采用卷积神经网络的方法，通过计算数据集 中所有样本标签的共现矩阵，利用共现矩阵为每个标签分配不同的权重，提出了一种新的计算损 失函数的方法。所设计的卷积神经网络能够充分利用除了红绿蓝三通道之外的光谱信息，同时也 能够利用已有的预训练的卷积神经网络权重进行参数的初始化，使得网络能够快速收敛。所提出 的算法在PlanetAmazon数据集上取得了最高的F值，从而得出了该算法具有高准确率和高可行性 的结论。 关键词：多光谱图像；卷积神经网络；多标签场景分类；共现矩阵 中图分类号：TN911.73 文献标识码：A 文章编号：1674-6236（2018）23-0025-05 CNNbasedmultilabelsceneclassificationmethodformultispectralimage LIYi⁃song1，2，3，4 （1.ShanghaiInstituteofMicrosystemandInformationTechnology，ChineseAcademyofSciences， Shanghai200050，China；2.ShanghaiEngineeringCenterForMicrosatellites，Shanghai201210， China；3.SchoolofInformationScienceandTechnology，ShanghaiTechUniversity，Shanghai201210， China；4.UniversityofChineseAcademyofSciences，Beijing 100049，China） Abstract: Basedonthepurposeofmultilabelsceneclassificationofmultispectralimage，Inthispaper， the convolutional neural network （CNN）is used to do feature extraction and classification，the co- occurrence matrix of the labels of all samples are obtained，then different labels are assigned correspondingdifferentweights，andthefinallossfunctioncanbecomputedbytheseweights.Thenew designedconvolutionalneuralnetworkcannotonlymakeuseoftheextraspectrainformationexceptfor red，greenandbluechannel，butalsocanitleveragetheexistedpretrainedweightsonimagenet，which canhelpourCNNconvergingmuchfaster.TheproposedalgrithmachievesthehighestFscoreonPlanet Amazondataset，whichverifiesitshighaccuracyandeffectiveness. Keywords:multispectralimage；CNN；multilab