基于优化深度学习的SAR图像地物分类检测方法研究 |
| |
作者姓名: | 欧阳艺文王珂吴圣娜 |
| |
作者单位: | 1.河南工业大学信息科学与工程学院450001; |
| |
基金项目: | 河南省教育厅科学技术研究重点项目(14B413011);河南工业大学科学研究基金项目(2016XTCX05);河南工业大学"科教融合"项目资助 |
| |
摘 要: | 针对深度学习在SAR遥感图像地物分类检测中存在的问题,文章通过对基于深度学习的卷积神经网络(Convolutional Neural Network,CNN)进行优化改进,从而提高分类检测准确性。首先提出采用Leaky ReLU函数作为非线性整流函数,克服网络反向传播时梯度消失的问题;然后提出变步长动量梯度下降算法,加速网络收敛、减弱震荡,并避免网络陷入局部极小值。最后综合提出了"Leaky ReLU+变步长+动量梯度下降"的优化方法。通过实验,验证了文章所提出方法的有效性和准确性。
|
关 键 词: | SAR图像 CNN 优化方法 分类检测 |
本文献已被 维普 等数据库收录! |
|